论文笔记之Deep Learning on Image Denoising: An Overview

最新推荐文章于 2024-03-14 16:22:13 发布
最新推荐文章于 2024-03-14 16:22:13 发布
阅读量1.8k 收藏
点赞数
分类专栏： 论文笔记 文章标签： 计算机视觉 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/halouaaaa/article/details/123832234
版权
本文概述了图像去噪的深度学习方法，包括机器学习的监督、无监督和半监督学习，以及神经网络的应用。重点讨论了CNN在图像去噪中的角色，如LeNet、AlexNet、ResNet和GANs。此外，还提到了硬件（GPU）和软件（如TensorFlow、PyTorch）在深度学习中的作用，并详细阐述了加性白噪声图像去噪的深度学习技术。
摘要由CSDN通过智能技术生成

2 图像去噪深度学习方法的基本框架

2.1图像去噪的机器学习方法

  • 监督学习;
  • 无监督学习;
  • 半监督学习;

2.2用于图像去噪的神经网络
在这里插入图片描述
2.3 用于图像去噪的CNN

  1. LeNet使用不同大小的卷积核来提取特征，并在图像分类中获得良好的性能。

  2. 在LeNet之后，提议的AlexNet[109]是深度学习的里程碑。

    • 图形处理单元（GPU）[154]提供了强大的计算能力。
    • 随机剪裁（即退出）解决了过度拟合问题。
    • ReLU[159]改进了随机梯度下降（SGD）的速度，而不是Sigmoid[22]。
    • 数据增强方法进一步解决了过拟合问题。

    虽然AlexNet取得了良好的性能，但由于其卷积内核较大，它需要大量的内存使用。这限制了它在现实世界中的应用;

  3. 为了提高性能和降低计算成本，人们更倾向于采用带有小型过滤器的更深层次的网络架构VGG。

  4. GoogLeNet[196]增加了宽度，以提高图像应用程序的性能

虽然VGG和GoogLeNet方法对于图像应用是有效的，但它们有两个缺点

 - 如果网络非常深，这可能会导致梯度消失; 
 - 	网络非常广泛，可能会出现过拟合现象
  • 为了克服上面问题，2016年提出了ResNet[75]。通过在R
最低0.47元/天 解锁文章
halouaaaa
关注
专栏目录
A Survey on Deep Learning Techniques Applied to medical image analysis
程序员光剑
08-13 263
作者：禅与计算机程序设计艺术 Introduction:Deep learning techniques have recently gained popularity in medical image analysis because they are capable of accurately identifying disease markers without relying on human intervention, enabling better decision-making and tre
论文阅读笔记——“Deep Learning on Image Denoising: An Overview”
qq_30095863的博客
01-04 3261
本文供学习交流使用 目录摘要1. 引言2. 深度学习图像去噪的基本框架2.1. 基于机器学习的图像去噪2.2. 基于神经网络的图像去噪.2.3.基于CNN的图像去噪3. 图像去噪中的深度学习技术3.1. 加性白噪声 摘要 去噪CNN：**加性白噪声**、**真实噪声**、**盲去噪**和**混合去噪**（噪声、模糊、低分辨率）。作者首先对不同类型的去噪CNN进行分类，并分析了各种基于深度学习去噪方法的动机和原理。接着进行了SOTA方法在公共数据集上定性和定量的对比。最后指出了一些潜在的**挑战**和未来
Deep-Learning-on-Image-Denoising-An-overview:图像去噪深度学习
05-01
图像去噪的深度学习概述由田春伟，费伦克，张文贤，徐勇，左望孟和林嘉雯提供，其为 。 它已经由神经网络（IF：5.535）发布。 此外，本文已被推送到神经网络的主页上。 本文是针对图像去噪的深度学习的第一个完整摘要，对读者而言非常有意义。 它是通过微信公众账号在报道 ， 和 。 抽象 深度学习技术在图像去噪中获得了很多关注。 但是，不同类型的深度学习方法在处理噪声方面有很大的差异。 具体来说，基于深度学习的判别式学习可以很好地解决高斯噪声。 基于深度学习的优化模型方法对真实噪声的估计有很好的效果。 到目前为止，很少有相关研究来总结用于图像去噪的不同深度学习技术。 在本文中，我们对图像去噪中不同深度技术进行了比较研究。 我们首先对（1）用于加性白噪声图像的深卷积神经网络（CNN），（2）用于真实噪声图像的深CNN，（3）用于盲目去噪的深CNN和（4）用于混合噪声图像的深CNN进行分类，是嘈杂，
Deep Learning on Image Denosing: An Overview
芒果干的博客
11-10 1734
本文目录Deep Learning on Image Denosing: An OverviewAbstract1 Introduction2 Fundamental frameworks of deep learning methods for image denoising2.1 Machine learning methods for image denoising2.2 Neural networks for image denoising2.3 CNNs for image denoising2.
论文速递 | 一份超全易懂的深度学习在图像去噪的综述
极市平台的技术博客
02-12 3906
近日哈尔滨工业大学、广东工业大学、清华大学与台湾国立清华大学等研究人员共同撰写一篇深度学习在图像去噪上的综述并在arxiv发表，该综述系统地总结图像去噪的重要性、图像去噪技术的发展、传统的机器学习和深度学习的图像去噪技术的优缺点以及刨析出图像去噪技术面对的挑战与潜在的研究点。该综述对学术界和工业界都有重要的指导作用，值得学习。 Deep Learning onImage Denoising: An...
deep learning Deep Belief networks for image denoising
家家的专栏
06-17 3844
Deep belief network,
详细理解"Deep Boosting for Image Denoising"这篇文章
QCroot的博客
06-28 2293
目录 前言 文章思路（公式描述） Result 前言 Deep Boosting for Image Denoising是ECCV2018年的文章，由于小菜我主要接触的是关于Low-Level Computer Vision，所以在ECCV2018论文集中看到了这一篇文章。 这篇文章由于利用了Boosting方法，是可以基于一个比较成熟的网络上做进一步的Boostin...
【论文】Deep learning in neural networks: An overview
Abby_Taowenx
07-15 2272
研一结束即将步入研二，之前的一年主要都是在打基础（emmm…其实现在也没有打完基础）、上课、给老师赶Paper，之前走了一些弯路，方向也从CV转到了推荐系统，现在又转到了聊天机器人… … 今天起开博客做一些读书总结，主要是为了培养自己的习惯，如果能帮到大家那当然是最好不过啦~ 第一篇论文是DL中一篇经典综述 论文导读 个人总结 相关资料 ...
Theano-Deep Learning Tutorials 笔记:Denoising Autoencoders (dA)
JiangV的博客
01-12 1517
python 实现降噪自编码，讨论了自编码与PCA的联系与区别，是一个降维的好方法，之后也可以逐层学习得到栈式自编码。
Image-Denoising:该项目使用水平和垂直差分算子解决图像去噪问题
04-19
该项目使用Jupyter笔记本完成，因此可以方便地可视化结果。 ID.ipynb：jupyter笔记本文件 .png文件：输入和输出图像
Brief review of image denoising techniques-图像去噪技术综述
有梦想的咕噜家族
11-15 1713
随着每天拍摄的数字图像数量的爆炸性增长，对更准确和视觉愉悦的图像的需求也在增加。然而，现代摄像机拍摄的图像不可避免地会受到噪声的影响，从而导致视觉图像质量下降。因此，需要在不丢失图像特征(边缘、角点和其他锐利结构)的情况下降低噪声。到目前为止，研究人员已经提出了各种降低噪声的方法。每种方法都有自己的优点和缺点。本文综述了图像去噪领域的一些重要研究成果。首先，我们给出了图像去噪问题的描述，然后介绍了几种图像去噪技术。此外，我们还讨论了这些技术的特点。最后，我们对未来的研究提出了几个有希望的方向。
深度学习图像去噪综述
weixin_40593658的博客
09-23 1万+
深度学习图像去噪综述1 背景与动机2 深度学习在图像去噪中的应用2.1外加白噪声去噪（additive white noisy-image denoising）2.1.1CNN/NN for AWNI denoising2.1.2 CNN/NN and common feature extraction methods for AWNI denoising2.1.3 Combination of the optimization method and CNN/NN for AWNI denoising 原文
Depth image inpainting:improve lowrank matrix completion with low gradient regularization
最新发布
qq_51677513的博客
03-14 353
在没有对应的彩色图像、前一帧或后一帧的情况下，深度图像的修复是一个相当具有挑战性的问题。一个自然的解决方案是将图像视为一个矩阵，并采用低秩正则化，就像彩色图像修复一样。且尽管大多数像素具有零梯度，但仍有一部分像素的梯度很小但不为零，基于深度图像的这一特性，作者提出了一种低梯度正则化方法，在该方法中，减少对小梯度的惩罚，同时惩罚非零梯度以允许逐渐的深度变化。通过结合低秩和低梯度正则化，新方法在保持深度图像细节的同时，能够更好地处理深度变化。作者将本论文提出的低梯度正则化与稀疏梯度正则化进行了比较。
【CV】用于图像恢复的深度学习方法综述论文（2022年）
stay hungry, stay foolish
04-27 1万+
A survey of deep learning approaches to image restoration
25篇最新CV领域综述性论文速递！涵盖15个方向：目标检测/图像处理/姿态估计/医学影像/人脸识别等方向...
3D视觉工坊
04-10 1685
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达目标检测1.综述：深度域适应目标检测标题：Deep Domain Adaptive Object Detection: a Su...
图像去噪的深度学习最新综述论文，36页pdf，Deep Learning on Image Denoising
zandaoguang的博客
01-29 3356
图像去噪是学术工业关注的问题。最近广东深圳哈工大分院的研究人员撰写了最新图像去噪深度学习的综述论文，非常值得学习！关注文章公众号对话框回复“paper29”获取本篇论文地址：https:...
深度学习图像去噪发展概述
热门推荐
兔角与禅
11-27 3万+
深度学习图像去噪发展概述
beyond a gaussian denoiser: residual learning of deep cnn for image denoising
03-16
"Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising" 的意思是“超越高斯去噪器：深度卷积神经网络的残差学习用于图像去噪”。 这是一篇关于图像去噪的论文，作者提出了一种基于深度...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值