التعلم المتبقي متعدد المقاييس بقيادة عدم اليقين - استخدام شبكة دائرية متداولة لـ CNN لإزالة المطر من الصورة الواحدة

إزالة المطر من صورة واحدة هي مشكلة شديدة الصعوبة، نظرًا لأن الصورة الممطرة قد تحتوي على خطوط مطر تختلف في الحجم والاتجاه والكثافة. حاولت الطرق السابقة معالجة هذه المشكلة باستخدام بعض المعلومات الأولية لإزالة خطوط المطر من صورة واحدة. أحد أبرز قيود هذه الطرق هو أنها لا تأخذ بعين الاعتبار معلومات موقع قطرات المطر في الصورة. يحاول الشبكة المقترحة التي تعتمد على التعلم المتعدد للبقايا بإرشاد عدم اليقين (UMRL) معالجة هذا الأمر من خلال تعلم محتوى المطر بمختلف المقاييس واستخدامها لتقدير الإخراج النهائي الخالي من المطر. بالإضافة إلى ذلك، نقدم تقنية توجه الشبكة لتعلم أوزان الشبكة بناءً على درجة الثقة في التقدير. كما نقدم إجراءً جديدًا للتدريب والاختبار يستند إلى مفهوم الدوران الدوري لتحسين أداء إزالة المطر النهائي. تم إجراء تجارب واسعة النطاق على بيانات اصطناعية وحقيقية لتوضيح أن الطريقة المقترحة حققت تحسينات كبيرة مقارنة بالطرق الأكثر حداثة وأفضل الأداء. يمكن الحصول على الكود من الرابط التالي: https://github.com/rajeevyasarla/UMRL--using-Cycle-Spinning