정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document :
| 한글제목(Korean Title) |
확장 합성곱 신경망과 자기 지도 순환 적대적 생성 신경망을 이용한 안개 제거 네트워크 |
| 영문제목(English Title) |
Unpaired Image Dehazing Network using smoothed Dilated Convolution Network and Self-Supervised CycleGAN |
| 저자(Author) |
이수동
황선희
최영우
변혜란
Soodong Lee
Sunhee Hwang
Yeongwoo Choi
Hyeran Byun
|
| 원문수록처(Citation) |
VOL 26 NO. 02 PP. 0104 ~ 0109 (2020. 02) |
한글내용
(Korean Abstract) |
안개 제거 연구의 목적은 안개 영상을 안개가 없는 영상으로 복원시키는 데 있다. 대부분의 안개 제거 연구는 모델 학습을 위해 동일한 장면에 대하여 안개 영상과 안개가 없는 영상의 쌍으로 이루어진 데이터셋을 이용하였다. 하지만 실제 환경에서는 안개 영상과 안개가 없는 영상이 완벽히 일치하는 데이터를 취득하기란 불가능에 가깝다. 그래서 본 논문에서는 쌍을 이루지 않는 안개 영상과 안개가 없는 영상을 이용하여 안개 제거를 수행하는 네트워크 개발을 목표로 한다. 제안한 모델은 쌍을 이루지 않는 데이터를 이용하기 위해 순환 적대적 생성 신경망 구조로 되어있으며, 안개 제거 성능을 높이기 위해 확장 합성곱 신경망, 지각적 손실 함수와 자기 지도 학습방법 중 하나인 회전 손실 함수로 이루어진 안개 제거 모델을 제안한다. 제안한 기술의 객관적인 성능평가를 위해 D-HAZY 데이터셋과 실제 안개 영상에 대해 실험을 진행하였고 정성적, 정량적인 결과를 분석하여 제안한 방법의 성능을 입증하였다
|
영문내용
(English Abstract) |
The purpose of this study is to investigate methods restoring hazy images to haze-free images. Most dehazing studies have used datasets that consist of pairs of images, one hazy and one haze-free of the same scene, for training purposes. However, in the real world, it is almost impossible to acquire this kind of data where the hazy image and the haze-free image are perfectly matched except for the haze. Therefore, this paper aims to develop a network that removes haze using hazy images and images without haze that are not paired. The proposed model uses the CycleGAN architecture with this unpaired data. In order to improve the haze removal performance, we propose a dehazing model consisting of a smoothed dilated convolution, a perceptual loss function and a rotational loss function under self-supervised learning. For objective performance evaluation of the proposed techniques, we conducted experiments on the D-HAZY dataset and with real hazy images. The performance of the proposed method was demonstrated through qualitative and quantitative analysis.
|
| 키워드(Keyword) |
안개 제거
순환 적대적 생성 신경망
자기 지도 학습
회전 손실 함수
지각적 손실 함수
확장 합성곱 신경망
dehazing
cyclegan
self-supervised learning
rotation loss
perceptual loss
smoothed dilated convolution
|
| 파일첨부 |
PDF 다운로드
|
