文章目录
- GAN-Loss
- Identity-Loss
- DP-loss
- Cycle-Loss
G和F都是生成器
G是hazy → \to → gt
F是gt → \to → hazy
D y D_y Dy判别无雾图是真实还是生成的？
D x D_x Dx判别有雾图是真实还是生成的？
GAN-Loss
在 DAM-CCGAN 中存在两个判别器
D
x
D_x
Dx和
D
y
D_y
Dy，
其中
- D x D_x Dx区分有雾图像和生成器生成的有雾图像，
- D y D_y Dy区分无雾图像和生成的无雾图像
-
D
y
D_y
Dy的目标是将生成器G生成的无雾图 Fake_B 与 ground truth 区分开，
生成器G的目标则是让生成的无雾图 Fake_B 无限趋近于 ground truth，在相互博弈中，提升生成器G和鉴别器 D y D_y Dy的性能，类似的，生成器F和鉴别器 D x D_x Dx的性能也得到提升
真实有雾图输入到G之后，输出fake-B，交给 D y D_y Dy判断是真实无雾图还是生成的无雾图，这里产生损失，叫做GAN-Loss
Identity-Loss
为了保持输入图像和输出图像色调一致，增加了 Identity Loss 来提升生成器
的性能，训练生成器的效果.
雾图hazy输入到F之后，也要保证生成雾图结果和原雾图尽可能相似，（因为F负责生成hazy）
清晰图片gt输入到G之后，要保证清晰结果和gt一致（因为G负责生成清晰图像）
DP-loss
这是细节感知损失
为了恢复更多的图像纹理细节信息，增加了细节感知损失函数 Detail
Perception Loss 来弥补图像的细节信息，使得图像语义上更加接近目标图像
Cycle-Loss
循环一致性损失 Cycle_Loss 是逐像素的比较经过两次映射后的图像与原图
像之间的像素级误差。建立循环一致性损失函数，来最小化雾图
x
i
x_i
xi与其重建的雾图
F
(
G
(
x
i
)
)
F(G(x_i))
F(G(xi))之间的差异，及最小化清晰图像
y
i
y_i
yi与其重建的清晰图像
G
(
F
(
y
i
)
)
G(F(y_i))
G(F(yi))之间的差异
