Ce papier propose un modèle de dégommage d’images basé sur un réseau de neurones convolutif (CNN), appelé All-in-One Dehazing Network (AOD-Net). Ce modèle repose sur une reformulation du modèle de diffusion atmosphérique. Contrairement aux modèles précédents qui estimaient séparément la matrice de transmission et la lumière atmosphérique, AOD-Net génère directement l’image dégommée via un CNN léger. Cette architecture novatrice en bout-à-bout permet une intégration aisée d’AOD-Net dans d’autres modèles profonds, tels que Faster R-CNN, afin d’améliorer les performances des tâches de haut niveau sur des images brumeuses. Les résultats expérimentaux sur des jeux de données synthétiques et naturels d’images brumeuses démontrent une performance supérieure par rapport aux méthodes de pointe en termes de PSNR, de SSIM et de qualité visuelle subjective. En outre, lorsqu’AOD-Net est combiné à Faster R-CNN, une amélioration significative de la performance de détection d’objets sur des images brumeuses est observée.