本稿では、単一画像の霞消去（dehazing）を目的とした新たなエンコーダ・デコーダ型ネットワーク「EDN-GTM（Encoder-Decoder Network with Guided Transmission Map）」を提案する。提案手法EDN-GTMは、従来のRGB形式の霞がかった画像と、暗チャンネル先行法（dark channel prior）を用いて推定された透過率マップ（transmission map）を入力として用いる。本手法は、画像セグメンテーションを主なタスクとするU-Netをコアネットワークとして採用し、空間ピラミッドプーリングモジュールやSwish活性化関数を用いた複数の構造的改良を施すことで、最先端の霞消去性能を達成している。ベンチマークデータセット上での実験結果から、PSNRおよびSSIMという評価指標において、従来の手法および深層学習ベースの霞消去手法の多くを上回ることが示された。さらに、EDN-GTMが物体検出問題への応用可能性も実証された。具体的には、自動運転における物体検出用の画像前処理ツールとして適用した場合、本手法は効果的に霧を除去でき、mAP（mean Average Precision）指標において検出精度を4.73%向上させることが確認された。本研究の実装コードは以下のURLから公開されている：https://github.com/tranleanh/edn-gtm。