一个对抗性的双分支网络,用于道建设中不均的除气
Zilu Shi1, Junzhou Huo1, Zhichao Meng1
1School of Mechanical Engineering, Dalian University of Technology, Dalian 116024, China.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
一个新的对抗性双分支卷积神经网络 (DNA) 在具有挑战性的道环境中有效地消除图像. 这种视觉技术通过克服雾和低对比度问题来提高道施工的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 道建设带来了独特的视觉挑战,例如不均的雾和低对比度的目标.
- 现有的dehazing算法缺乏一般化,导致这些环境中的故障,不完整的结果或颜色扭曲.
研究的目的:
- 专门为道建设环境开发一个先进的除尘算法.
- 提高视觉技术在具有挑战性的地下条件下的性能和可靠性.
主要方法:
- 提出了一个对抗性的双分支卷积神经网络 (DNA),具有知识传输和多尺度密集的残余子网络.
- 开发了一个专门的道雾场模拟数据集 (Tunnel-HAZE).
- 使用区分器指导网络培训以提高性能.
主要成果:
- 与现有方法相比,达到4.07dB的峰值信号噪声比 (PSNR) 和0.032dB的结构相似性 (SSIM).
- 在模拟的道环境中,使用双眼视觉,证明了相对测量误差减少了50.5%.
结论:
- 拟议的ADN方法在道建设场景中有效地去除灰尘.
- 该方法显示出强大的潜力,用于改善视觉测量和道操作的实际应用.
