科技小数据|霍普金斯大学开源得Syn2Real用于使用高斯过程进行图像去雨算法( 二 )
本文插图
图2：DDN-SIRR综合测试仪的定性结果 。 （a）输入阴雨图像（b）DID-MDN [58]（CVPR '18）（c）DDN [9]（CVPR'17）（d）SIRR [49]（CVPR '19）（e）f我们的真实图像
结果
在训练过程中使用未标记的真实世界数据对DDN-SIRR数据集的影响 。 使用无参考质量指标（NIQE和BRISQUE）对DDN-SIRR数据集的真实测试集进行评估 。 请注意 ， 较低的分数表示性能较好 。
本文插图
在Rain800 数据集上的SSL实验：用于训练的标记数据的百分比在10％和100％之间变化 。 与仅使用标记数据相比 ， 使用建议的方法利用未标记数据可以观察到一致性 。
本文插图
在Rain200H [51]数据集上的SSL实验：用于训练的标记数据的百分比在10％和100％之间变化 。 与仅使用标记的数据相比 ， 使用建议的方法利用未标记的数据可观察到一致性 。
本文插图
本文插图
图3：带有10％标记数据的实验结果Rain200H（a）输入阴雨图像（a）仅使用带标签的数据（c）使用标记的和未标记的数据 。
本文插图
图4：带有40％标记数据的实验结果Rain200H（a）输入阴雨图像（a）仅使用带标签的数据（c）使用标记的和未标记的数据 。
结论
作者提出了一个基于GP的SSL框架 ， 以在训练图像排水任务时利用未标记的数据 。
【科技小数据|霍普金斯大学开源得Syn2Real用于使用高斯过程进行图像去雨算法】作者使用监督损失函数（例如l1和感知损失）来训练标记数据 。 对于未标记的数据 ， 通过使用GP联合建模标记和未标记的潜在空间向量来估计潜在空间处的伪GT 。 然后使用伪GT监督未标记的样品 。 通过在多个数据集（如Rain800 ， Rain200H和DDN-SIRR）上进行的广泛实验 ， 证明了所提出的方法能够利用未标记的数据实现更好的概括 。
推荐阅读
- 数据流|比亚迪M6用诊断仪无法读取TCU数据流检修
- 2020|影谱科技入选“2020中国AI商业落地价值潜力100强榜单”
- 技术编程|如何利用数据库进行世界史研究
- 行业互联网,AI人工智能|城市教育大脑以“ AI+ 大数据”为核心 , 引领教育变革
- 行业互联网|眼控科技聚焦航空气象报文，人工智能助推编发自动化
- 行业互联网|金风科技中标哈萨克斯坦札纳塔斯二期100MW风电项目
- 无人科技,电池技术|盘点几种常见的无人机电池
- 行业互联网,智慧医疗|商汤科技创“心”升级，探索“联邦学习”入选ECCV
- 行业互联网|创盈Charmwin惊艳亮相2020上海美博会，打造“光”科技健康护肤新风尚
- |如何分析“会员数据”，强化门店的竞争力？