具有对称跳跃连接的深卷积编解码网络的图像去噪 读书笔记（上）

转载请注明出处，谢谢。

论文：Image Denoising Using Very Deep Fully Convolutional Encoder-Decoder Networks with Symmetric Skip Connections

                                             作者： Xiao-Jiao Mao, Chunhua Shen, Yu-Bin Yang

一、简介——文章主要贡献

1.文中提出了一种very deep图像去噪网络结构，该网络由对称的卷积层和反卷积层组成，卷积层作为特征提取器，在消除噪声的同时编码图像内容的主要成分，反卷积层解码图像抽象内容以恢复图像内容的细节。提出的框架是第首次在图像去噪中同时使用卷积和反卷积。

2.为了更好地训练深层网络，文中提出在对应的卷积层和非卷积层之间增加跳跃连接（skip connections），这些捷径（即skip connections）将网络分成几个块，这些跳跃连接有助于向后传播梯度到底层，并将图像细节传递到顶层。这两个特点使得从噪声图像到干净图像的端到端映射训练更容易、更有效，从而在网络深入的同时实现了性能的提高。

3.文中对常用的基准图像进行了实验，结果表明了论文提出的网络在图像去噪方面具有优势。

二、相关工作

sda:Stacked denoising auto-encoder是最著名的用于图像去噪的深层神经网络模型之一，无监督预训练，一次只对一层进行重构误差最小化，一旦对所有层都进行了预训练，网络就进入微调阶段。

利用神经网络进行去噪的优点是，它们直接从数据