الوعي الكثافة لإزالة المطر من الصورة الواحدة باستخدام شبكة كثيفة متعددة التدفقات

إزالة خطوط المطر من الصورة الواحدة هي مشكلة شديدة التعقيد بسبب وجود كثافات متفاوتة للمطر في الصور. نقدم خوارزمية جديدة تعتمد على شبكة عصبية متعددة التدفقات ومتصلة كثيفًا، تُسمى DID-MDN (Densely Connected Multi-Stream De-raining Network)، لتقدير كثافة المطر وإزالة المطر بشكل مشترك. الطريقة المقترحة تمكن الشبكة نفسها من تحديد معلومات الكثافة المطرية تلقائيًا ومن ثم إزالة خطوط المطر بفعالية تحت إرشاد العلامة المتوقعة للكثافة المطرية. للتعبير بشكل أفضل عن خطوط المطر ذات الأحجام والأشكال المختلفة، تم اقتراح شبكة إزالة مطر متعددة التدفقات ومتصلة كثيفًا والتي تستغل الخصائص من مختلف الأحجام بكفاءة. بالإضافة إلى ذلك، تم إنشاء مجموعة بيانات جديدة تحتوي على صور مع علامات الكثافة المطرية واستخدمت لتدريب الشبكة الكثافة-واعية المقترحة. أظهرت التجارب الواسعة على مجموعات البيانات الاصطناعية والواقعية أن الطريقة المقترحة حققت تحسينات كبيرة مقارنة بالطرق الرائدة حديثًا. كما تم إجراء دراسة تقليص (Ablation Study) لتوضيح التحسينات التي تم الحصول عليها من خلال الوحدات المختلفة في الطريقة المقترحة. يمكن العثور على الرمز البرمجي في: https://github.com/hezhangsprinter