Projektbeschreibung
Eine verbesserte Methode zur Entfernung von Dunst aus Bildern
Unter nachteiligen Wetterbedingungen wie Dunst verschlechtert sich die Bildqualität aufgrund von in der Luft schwebenden, Licht streuenden Partikeln erheblich. Objekte sind daher weder durch menschliches noch maschinelles Sehen schwer zu identifizieren. Bestehende Techniken zur Dunstentfernung funktionieren schlecht bei dichten, homogen dunstigen Szenen. Das EU-finanzierte Projekt NH-DEHAZE wird Techniken zur Dunstentfernung entwickeln, die keine homogene Verteilung von Licht und Dunst voraussetzen. Das Projekt wird den ersten Bilddatensatz erstellen, der reale Bildpaare von sowohl verschwommenen als auch klaren Szenen enthält. Danach werden dichte neuronale Netzwerke zur Ableitung von klaren aus trüben Bildern trainiert.
Ziel
In presence of haze, small floating particles absorb and scatter the light from its propagation direction. This results in selective and significant attenuation of the light spectrum, and causes hazy scenes to be subject to a loss of contrast and sharpness for distant objects. Besides, most computer vision and image processing algorithms (e.g. from feature extraction to objects/scene detection and recognition) usually assume that the input image is the scene radiance (haze-free image), and therefore strongly suffer from the color-shift, and low-contrast induced by hazy conditions. For instance, in normal visibility conditions the Traffic Sign Detection and Recognition (TSDR) module of the existing ADAS systems reaches a detection rate averaging around 90%, but drops below 40% in case of haze or poor illumination conditions1. Therefore, many recent works have explored inverse problem formulations and have designed dedicated image enhancement methods to address the dehazing problem. However, to estimate their key internal parameters (e.g. airlight in Koschmieders light transmission model), most of those solutions assume homogeneous distribution of light and haze, which is rarely the case in practice (e.g. lighting is non-uniform in space and frequency during the night, attenuation caused by haze depends on the light frequency).
Image dehazing thus remains a largely unsolved problem in case of dense and non-homogeneous haze scenes.
As a federating objective, our project aims at implementing dehazing methods that are suited to dense and non-homogeneous hazy scenes. This implies the following tasks:
(O1) build up the first (world-wide) image dataset including pairs of hazy and haze-free scenes, for which hazy scenes include real, dense, and non-homogeneous haze;
(O2) develop and train deep dehazing neural networks to derive the dehazed images from hazy inputs.
(O3) train deep image interpretation models that are suited to images captured in adverse conditions.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
- Naturwissenschaften Informatik und Informationswissenschaften künstliche Intelligenz maschinelles Sehen Bilderkennung
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Programm/Programme
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
-
H2020-EU.1.3. - EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions
HAUPTPROGRAMM
Alle im Rahmen dieses Programms finanzierten Projekte anzeigen -
H2020-EU.1.3.2. - Nurturing excellence by means of cross-border and cross-sector mobility
Alle im Rahmen dieses Programms finanzierten Projekte anzeigen
Thema/Themen
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Finanzierungsplan
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)
Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen
Aufforderung zur Vorschlagseinreichung
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
(öffnet in neuem Fenster) H2020-MSCA-IF-2019
Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigenKoordinator
Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.
1348 LOUVAIN LA NEUVE
Belgien
Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.