讨论一下:Deep Graph-Convolutional Image Denoising
主要贡献:
1. 提出使用non local receptive fields 的GCN,提出网络结构GDCN
2. 解决了ECC的两大问题:① 梯度消散问题;②超参问题
以下内容从两个贡献开始讨论。(ps:本人也是刚刚接触机器学习,有些地方希望大家指正)
non local receptive fields的GCN,————>GDCN
文章中提到在进行去噪是所使用的邻居信息是整个搜索框中的节点,也就是说,把整个窗口的节点信息全部用上了。这也就是所说的non local receptive fields吧
两个输入一个是经典的3*3卷积,称为local。
另一个是non local 部分,图连接的非局部像素的特征向量通过ECC的均值聚类产生
最终再讲两部分结合起来
网络结构GCDN
图中,先采用普通卷积层(3个分支),采用普通卷积的原因很好理解,如何图像本身有噪声,如果直接聚合邻居信息,会把噪声信息也聚合过来,先进行一步简单去噪,再将产生的三个信息输入到图卷积中,在联系起来,输入后面的图卷积中。
很明显,大结构是采用残差思想,使用四个低通滤波,一个高通滤波(这里我还没理解为什么这样设计)
对于GCN来说都是一个卷积层加上一个BN层再加上一个激活层。
https://arxiv.org/abs/1907.08448(原文链接)
https://arxiv.org/abs/1704.02901 (ECC卷积)