Low-light Enhancement Method Based on Attention Map Net

要約

低照度画像強調は、一部の複雑な視覚タスクにとって重要な前処理タスクです。
ターゲット検出、画像セグメンテーション、および画像認識の結果はすべて、画像強調の影響によって直接影響を受けます。
ただし、現在使用されている画像強調技術の大部分は満足のいく結果を生み出さず、これらの強化されたネットワークは比較的弱い堅牢性を持っています。
この問題の解決策として、U-Net を主要な構造として使用し、多数の異なる注意メカニズムを組み込んだ、BrightenNet と呼ばれる改善されたネットワークを提案します。
特定のアプリケーションでは、ネットワークをジェネレーターとして使用し、LSGAN をトレーニング フレームワークとして使用して、より優れた拡張結果を達成します。
この論文に続く実験で、提案されたネットワーク BrightenNet の有効性を実証します。
生成された結果は、画像の詳細を保持し、人間の視覚基準に準拠することができます。

要約(オリジナル)

Low-light image enhancement is a crucial preprocessing task for some complex vision tasks. Target detection, image segmentation, and image recognition outcomes are all directly impacted by the impact of image enhancement. However, the majority of the currently used image enhancement techniques do not produce satisfactory outcomes, and these enhanced networks have relatively weak robustness. We suggest an improved network called BrightenNet that uses U-Net as its primary structure and incorporates a number of different attention mechanisms as a solution to this issue. In a specific application, we employ the network as the generator and LSGAN as the training framework to achieve better enhancement results. We demonstrate the validity of the proposed network BrightenNet in the experiments that follow in this paper. The results it produced can both preserve image details and conform to human vision standards.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google