비 오는 날 이미지가 컴퓨터 비전 작업의 효과와 정확도에 영향을 미칩니다. 비 오는 날 이미지는 종종 다양한 방향, 크기, 형태의 빗방울 또는 빗자국을 포함합니다. 이러한 빗방울과 빗자국을 제거할 때 기존 방법들은 비 오는 날 이미지의 다양한 세밀한 스케일에서의 특징 정보를 고려하지 않고 단일 스케일만 사용하여 이미지에서 비를 제거하는 데 큰 한계가 있어 시각 작업에 충분히 선명한 이미지를 복원할 수 없습니다. 컨볼루션 신경망 구조의 강력한 특징 추출 능력에 힘입어 본 논문에서는 4개의 컨볼루션 층을 포함하고 단계적으로 연결된 엔드 투 엔드 다중 연계 점진적 컨볼루션 구조 연산자를 제안합니다. 이 모듈은 다중 스케일 환경에서 비 오는 장면의 특징을 추출하고 통합할 수 있습니다. 이 연산자 모듈은 점진적 순환 네트워크 구조에 삽입되어 순환 구조를 통해 빗자국을 여러 번 제거함으로써 최종적으로 실제 이미지에 가까운 무비 이미지로 효과적으로 복원합니다. 본 방법은 기존의 인공 합성 비 이미지 데이터셋 Rain100H, Rain100L, Rain800 및 자율 주행 분야 합성 비 이미지 데이터셋 BDD1000에서 비교 실험을 수행했습니다. 실험 결과는 4개 데이터셋에서 PSNR 값이 각각 30.70, 37.91, 27.63, 35.74 dB, SSIM 값이 0.914, 0.980, 0.894, 0.977임을 보여줍니다. 실제 비 이미지 데이터셋에서의 빗물 제거 결과 시각화를 통해 본 방법의 비 제거 작업에서의 유효성을 충분히 검증했습니다.

이미지 빗물 제거;다중 연계 점진적 컨볼루션 구조;컨볼루션 신경망;딥러닝;다중 스케일 특징;잔차 구조