Deep learning for dehazing: Benchmark and analysis

Abstract : We compare a recent dehazing method based on deep learning , Dehazenet, with traditional state-of-the-art approach, on benchmark data with reference. Dehazenet estimates the depth map from a single color image, which is used to inverse the Koschmieder model of imaging in the presence of haze. In this sense, the solution is still attached to the Koschmieder model. We demonstrate that this method exhibits the same limitation than other inversions of this imaging model.
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01786653
Contributeur : Alexandre Benoit <>
Soumis le : dimanche 6 mai 2018 - 15:30:44
Dernière modification le : mercredi 12 septembre 2018 - 01:27:30
Document(s) archivé(s) le : mardi 25 septembre 2018 - 06:57:06

Fichier

2018NOBIM.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01786653, version 1

Collections

Citation

Leonel Cuevas Valeriano, Jean-Baptiste Thomas, A Benoit. Deep learning for dehazing: Benchmark and analysis. NOBIM 2018, Mar 2018, Hafjell, Øyer, Norway. 2018. 〈hal-01786653〉

Partager

Métriques

Consultations de la notice

84

Téléchargements de fichiers

69