论文解析之Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Co

最新推荐文章于 2021-10-18 14:53:08 发布
VIP文章 最新推荐文章于 2021-10-18 14:53:08 发布
阅读量4.9k 收藏 11
点赞数 4
分类专栏： 深度学习' 深度学习 caffe 图像复原
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/wangkun1340378/article/details/78394673
版权

论文名： Image Restoration Using Very Deep Convolutional Encoder-Decoder Network

with Symmetric Skip Connection   ------------------2016 NIPS



论文针对图像修复方向，提出了一种跳跃链接的残差网络，总体来说论文结构简单，不过有点意思，所以简单说一下：



网络结构如下图所示：


1.首先对输入进行卷积，卷积用来提取特征，随着卷积的进行，那么图像的特征被提取，

最低0.47元/天 解锁文章
无奈的小心酸
关注
  • 4
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Deep-Generalized-Unfolding-Networks-for-Image-Restoration
06-20
北京大学使用深度展开神经网络在图像去雾、去噪和压缩感知方向上取得了最好的结果。深度展开神经网络是一种深度学习模型，它通过多层神经网络来学习输入数据的特征表示。在图像去雾方向上，深度展开神经网络可以通过...
基于深度卷积神经网络和跳跃连接的图像去噪和超分辨
weixin_30681615的博客
05-19 1677
Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections 作者：Xiao-Jiao Mao、Chunhua Shen等 本文提出了一个深度的全卷积编码-解码框架来解决去噪和超分辨之类的图像修复问题。网络由多层的卷积和反卷积组成，学习一个从受...
Image Super-Resolution Using DeepConvolutional Networks论文阅读笔记
不要回答的博客
01-04 2212
rXiv:1501.00092v3 [cs.CV] 31 Jul 2015 题目：Image Super-Resolution Using DeepConvolutional Networks 摘要： 我们提出了一种用于单图像超分辨率（SR）的深度学习方法。我们的方法直接学习低/高分辨率图像之间的端到端映射。映射表示为深度卷积神经网络（CNN），该神经网络将低分辨率图像作为输入并输出高分辨率图像【这就是端到端】。我们进一步表明，传统的基于稀疏编码的SR方法也可以视为深度卷积网络。但是与传统方法分..
Image Restoration Using Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections
Man
01-10 3477
一、本文的主要贡献1. 卷积和反卷积对称网络结构的提出 A very deep network architecture, which consists of a chain of symmetric convolutional and deconvolutional layers, for image restoration is proposed in this paper. The con
降噪、超分辨率RED-Net之Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetr
澍yeah的博客
08-08 7895
使用具有对称跳过连接的非常深卷积编码器 - 解码器网络的图像恢复 Abstract 在本文中，我们提出了一种非常深的完全卷积编码 - 解码框架，用于图像恢复，如去噪和超分辨率。该网络由多层卷积和反卷积运算符组成，学习从损坏图像到原始图像的端到端映射。卷积层充当特征提取器，捕获图像内容的抽象，同时消除噪声/损坏。然后使用解卷积层来恢复图像细节。我们建议采用跳跃层连接对称地连接卷积层和反卷积层，训...
图像恢复论文——[RED-Net, NIPS16]Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks wi
umbrellalalalala的博客
10-18 667
知乎同名账号同步发表 目录一、架构二、main contribution三、一些讨论四、训练&模型功能&一些比较五、小结 一、架构 论文全称：Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections 其实就是conv和deconv，外加对称的skip connection。作者表示每两层就会有一个skip connection。 作者的意思
Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Skip Connections
qq_42192910的博客
08-30 743
Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections Papers: Nips:https://papers.nips.cc/paper/6172-image-restoration-using-very-deep-convolutional-...
IDN-Fast and Accurate Single Image Super-Resolution via Information Distillation Network信息蒸馏网络
weixin_41798111的博客
05-14 2934
Fast and Accurate Single Image Super-Resolution via Information Distillation NetworkCVPR2018 github(caffe):https://github.com/Zheng222/IDN-Caffe 网络结构以特征提取块、多个信息蒸馏块（progressively distill residual i...
Image_Restoration.rar_Image-restoration_image restore_restoratio
07-15
matlab 一些源代码用于图像恢复，网上下载的。
Load balanced sub-path protection with restoration time constraints in optical networks
02-20
Therefore, the survivability has emerged as one of the important issues in the design of wavelength-division-multiplexing optical networks. Based on the concept of protection, this paper gives a new ...
Image motion restoration using fractional-order gradient prior
02-10
Image motion restoration using fractional-order gradient prior
Image Restoration Techniques A Surveymaru-2017-ijca-913060.pdf
01-28
Image Restoration Techniques A Surveymaru-2017-ijca-913060.pdf
Fast and Accurate Single Image Super-Resolution via Information Distillation Network
qq_34049103的博客
02-24 608
本文主旨为了再生成深度网络的同时降低计算复杂性和减少内存消耗，因此本文提出了一个信息蒸馏网络，降低复杂性和内存消耗。 总体网络框架分为三个部分①特征提取模块②增强模块（蒸馏模块）③特征融合与生成图片模块 总体来说首先低分辨率图片输入到网络中经过双三次插值放大到指定大小输入后层形成残差网络，后低分辨率图片首先经过FBLOCK提取浅层特征，后经过DBLOCK经过信息蒸馏再提取深层特征的同时减少内存消耗...
深度学习在超分辨率重建上的应用SRCNN,FSRCNN,VDSR,DRCN,SRGAN
weixin_41798111的博客
02-26 9288
转自： https://zhuanlan.zhihu.com/p/25532538 https://zhuanlan.zhihu.com/p/50192019 超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像...
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
m0_37859875的博客
08-06 428
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
【论文笔记2_超分辨】（IDN）Fast and Accurate Single Image Super-Resolution via Information Distillation Network
HaotianYan的博客
09-16 1855
文章目录Abstract1. Introduction2. Network Structure2.1 特征提取块（FBlock）2.2 信息蒸馏块（DBlocks）2.2.1 增强单元（Enhancement unit）2.2.2 压缩单元（Compression unit）2.2 重建块（RBlock）3. Experiments 文章链接：（CVPR 2018）https://arxiv.org/abs/1909.11856v1 代码链接：https://github.com/Zheng222/IDN
读论文：Fast and Accurate Single Image Super-Resolution via Information Distillation Network
Janice_Fj的博客
03-05 534
文章全名：Fast and Accurate Single Image Super-Resolution via Information Distillation Network 1 网络结构（IDN） 三部分：a feature extraction block (FBlock)特征提取块, multiple stacked information distillation blocks (D...
论文笔记：A Convolutional Encoder Model for Neural Machine Transltion
Xiao_yanling的博客
06-16 607
提出了一个基于卷积层的模型，
VDSR超分辨率
热门推荐
无奈的小心酸的博客
07-03 2万+
论文全名：Accurate Image Super-Resolution Using Very Deep Convolutional Networks 下载地址：https://pan.baidu.com/s/1ge2pCWF code：https://github.com/huangzehao/caffe-vdsr 该论文利用残差学习，加深网络结构（20层），在图像的超分辨
DCGAN-based Image Restoration using Multi-scale Features这篇文献在哪引用
最新发布
05-18
这篇文献可以在以下论文中找到引用： 1. Zhang, Y., Zhang, Y., & Tai, Y. (2018). Image restoration with very deep convolutional encoder-decoder networks with symmetric skip connections. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 586–594). 2. Huang, X., Li, Y., Poursaeed, O., Hopcroft, J., & Belongie, S. (2017). Stacked generative adversarial networks. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 1866–1875). 3. Kim, J., Kwon Lee, J., & Mu Lee, K. (2016). Accurate image super-resolution using very deep convolutional networks. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 1646–1654). 4. Ledig, C., Theis, L., Huszar, F., Caballero, J., Cunningham, A., Acosta, A., ... Shi, W. (2017). Photo-realistic single image super-resolution using a generative adversarial network. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 4681–4690). 5. Mao, X., Shen, C., & Yang, Y.-B. (2016). Image restoration using very deep convolutional encoder-decoder networks with symmetric skip connections. In Advances in neural information processing systems (pp. 2802–2810).

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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