计算机软件及计算机应用论文_隐空间转换的混合
文章摘要:深度学习从数据集中学习样本的内在规律，数据集的质量一定程度上决定了模型的表现。在去雾任务的公开数据集中，由于缺少成对真实数据，合成的成对数据难以模拟真实环境等问题，可能导致训练出的模型在实际环境中表现不佳。为此，本文提出混合样本学习问题，利用合成的成对数据和真实数据（混合样本）同时训练模型，通过隐空间的转换实现混合样本间的转换。算法利用变分自编码器和生成对抗网络（VAE-GAN）将混合样本分别编码到隐空间，利用对抗损失将真实数据的隐空间向合成雾图的隐空间对齐，利用含特征自适应融合（MFF）模块的映射网络学习成对数据隐空间之间的转换，从而建立起从真实雾图域到清晰图像域之间的去雾数据通路。实验结果表明，该算法相比其他去雾算法在真实雾图上的去雾结果更加清晰，对于较厚的雾图也有突出的效果，且该算法的峰值信噪比高于对比算法。
文章关键词:
