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