Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 3 (January 2022)
Uneingeschränkter Zugang
Research and Implementation of Image Rain Removal Based on Deep Learning
Dong Wang
Dong Wang
und
Zhongsheng Wang
Zhongsheng Wang
| 24. Mai 2023
International Journal of Advanced Network, Monitoring and Controls
Band 7 (2022): Heft 3 (January 2022)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Artikel
Figuren und Tabellen
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
24. Mai 2023
Seitenbereich:
25 - 32
DOI:
https://doi.org/10.2478/ijanmc-2022-0024
Schlüsselwörter
Deep Learning
,
Generative Confrontation
,
High and Low Frequency
,
Attention Mechanism
,
Background Texture
© 2022 Dong Wang et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Figure 1.
Example of Frequency Decomposition
Figure 2.
Frequency Decomposition Module
Figure 3.
The network structure of the generator
Figure 4.
Visual comparison of the rain effect on the synthetic dataset Rain100H
Figure 5.
(a) Real rain map (b) JORDER (c) RESCAN (d) This paper method
Comparison of experimental results on synthetic datasets
Datasets
GMM
JORDER
RESCAN
Ours
PSNR
25.9725
26.4012
28.7863
29.1035
SSIM
0.9181
0.9246
0.9355
0.9661