机构名称：
¥ 1.0
水培养基的吸收和散射特性在水下图像中引起了各种类型的失真，这严重影响了随后加工的准确性和有效性。在水下图像增强中，监督学习算法的应用受到了在实际应用中获得大量水下配对图像的困难的限制。作为解决方案，我们提出了基于水下图像增强方法（urd-uie）的不可详细说明。URD-UIE将内容信息（例如，纹理，语义）和样式信息（例如，色差，模糊，噪声和清晰度）与水下图像中图像（例如，色差，模糊，噪声和清晰度）从水下图像中，然后采用分离的信息来生成目标失真图像。我们提出的方法Urd-UIE采用了无监督的循环一致的对抗翻译体系结构，并结合了多个损失函数，以对每个模块的输出结果施加特定的约束，以确保增强前后水下图像的结构一致性。实验结果表明，在使用不配对数据训练时，URD-UIE技术有效地提高了水下图像的质量，从而显着改善了水下对象检测和语义分割的标准模型的性能。
人工智能的工程应用
主要关键词
相关文件推荐
