【每周CV论文】初学深度学习图像对比度增强应该要读的文章
欢迎来到《每周CV论文》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。
图像对比度增强，即增强图像中的有用信息，抑制无用信息，从而改善图像的视觉效果，今天给大家推荐初学该领域必须要读的文章。
作者&编辑 | 言有三
1 Fast image processing with FCN
卷积神经网络模型拥有强大的表达能力，被证明可以直接学会图像里的很多全局和局部的操作，包括图像风格迁移、去雾、上色、增加细节等，因此我们可以按照需要学习的类型，准备好相关的成对数据进行学习，而编解码模型就可以直接使用。
文章引用量：80+
推荐指数：✦✦✦✦✧
[1] Chen Q, Xu J, Koltun V. Fast image processing with fully-convolutionalnetworks[C]//Proceedings of the IEEE International Conference on ComputerVision. 2017: 2497-2506.
2 Perceptual image enhancement
对比度、色调调整等图像增强操作的最终目标是为了提高目标图像的美感，因此我们可以使用美学模型来辅助完成该任务。
文章引用量：10+
推荐指数：✦✦✦✦✧
[2] Talebi H, Milanfar P. Learned perceptual image enhancement[C]//2018 IEEEInternational Conference on Computational Photography (ICCP). IEEE, 2018: 1-13.
3 Deep Retinex
Retinex理论是一个经典的图像增强理论，它将图像建模为反射率(reflectance)和光照(illumination或者 light)的点乘，深度学习模型也可以对其进行学习。
文章引用量：20+
推荐指数：✦✦✦✧✧
[3] Wei C, Wang W, Yang W, et al. Deep Retinex Decomposition for Low-Light Enhancement.[C]. british machine vision conference, 2018.
4 DSLR GAN
生成对抗网络在很多经典图像任务中都被证明有利于提高模型的能力，自然也有研究者使用了生成对抗网络来改善图像增强模型的学习。
文章引用量：100+
推荐指数：✦✦✦✦✦
[4] Ignatov A, Kobyshev N, Timofte R, et al. DSLR-quality photos on mobiledevices with deep convolutional networks[C]//Proceedings of the IEEEInternational Conference on DSLR-quality photos on mobile Computer Vision.2017: 3277-3285.
5 Exposure
一个标准的图像增强流程其实包含了一系列的操作，如果能够预测出各个步骤的参数，就可以完成图像增强。
文章引用量：100+
推荐指数：✦✦✦✦✦
[5] Gharbi M, Chen J, Barron J T, et al. Deep bilateral learning for real-timeimage enhancement[J]. ACM Transactions on Graphics (TOG), 2017, 36(4): 118.
[6] Hu Y, He H, Xu C, et al. Exposure: A white-box photo post-processing framework[J]. ACM Transactions on Graphics (TOG), 2018, 37(2): 26.
6 应用
图像对比度增强中一个很大的应用领域就是夜景图像增强，为了降低噪声的影响，常会基于RAW格式进行处理。
文章引用量：100+
推荐指数：✦✦✦✦✦
[7] Chen C, Chen Q, Xu J, et al. Learning to see in the dark[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 3291- 3300.
7 文章解读
关于图像增强相关文章的详细解读，在有三AI知识星球-网络结构1000变-图像增强以及GAN下有较多的文章，感兴趣可以移步。
总结
本次我们介绍了初学图像增强领域值得读的文章，当前研究重点在于无监督模型，多种退化类型，幅度可控的图像增强等方向，读者可以继续关注。
有三AI知识星球
知识星球是有三AI的付费内容社区，里面包括各领域的模型学习，数据集下载，公众号的付费图文原稿，技术总结PPT和视频，知识问答，书籍下载，项目推荐，线下活动等资源，了解详细请阅读以下文章：
【杂谈】有三AI知识星球一周年了！为什么公众号+星球才是完整的？
【杂谈】万万没想到，有三还有个保密的‘朋友圈’，那里面都在弄啥！
转载文章请后台联系
侵权必究
往期精选
【每周论文推荐】 初入深度学习CV领域必读的几篇文章
【每周CV论文推荐】 掌握残差网络必读的10多篇文章
【每周CV论文推荐】 初学者必须精读的5篇深度学习优化相关文章
【每周CV论文推荐】 CV领域中数据增强相关的论文推荐
【每周CV论文推荐】 初学高效率CNN模型设计应该读的文章
【每周CV论文推荐】 初学目标检测必须要读的文章
【每周CV论文推荐】 初学深度学习图像分割必须要读的文章
【每周CV论文推荐】 初学GAN必须要读的文章
【每周CV论文推荐】 深度学习人脸检测入门必读文章
【每周CV论文推荐】 初学深度学习人脸关键点检测必读文章
【每周CV论文推荐】 初学深度学习人脸识别和验证必读文章
【每周CV论文推荐】 初学深度学习人脸属性分析必读的文章
【每周CV论文推荐】 初学活体检测与伪造人脸检测必读的文章
【每周CV论文推荐】 初学深度学习单张图像三维人脸重建需要读的文章
【每周CV论文推荐】 人脸识别剩下的难题：从遮挡，年龄，姿态，妆造到亲属关系，人脸攻击
【每周CV论文推荐】换脸算法都有哪些经典的思路？
【每周CV论文】深度学习文本检测与识别入门必读文章
【每周CV论文】深度学习图像降噪应该从阅读哪些文章开始
【每周CV论文】初学GAN图像风格化必须要读的文章
【每周CV论文】初学深度学习图像超分辨应该要读的文章
总结
以上是生活随笔为你收集整理的【每周CV论文】初学深度学习图像对比度增强应该要读的文章的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： 【杂谈】深度学习之模型设计书看完了完全不
- 下一篇： 【杂谈】关于批量采购与教材试点深度学习之