深度学习——Multi-Scale Progressive Fusion Network for Single Image Deraining

CVPR2020论文：Multi-Scale Progressive Fusion Network for Single Image Deraining
开源代码（tensorflow框架）：https://github.com/kuihua/MSPFN.

1.主要内容：提出了多尺度渐进融合网络。实现了单幅图像去雨。该网络通过金字塔表示的方式，利用多尺度图像信息呈现雨纹特征。

例如，右边是原始尺度图像，左边是1/2尺度图像。文章指出，同一个尺度图像中，不同位置的雨纹具有相似的结构特征； 不同尺度的图像中，相同位置的雨纹亦有相似的结构特征。因此，我们可以提取、融合多尺度的图像信息作为补充信息，来获取更加精确的雨纹特征。

为了更好地特征化多尺度图像信息的雨纹，文章提出了三个不同的基础模块：粗糙融合模块coarse-fusion module(CFM), 精细融合模块fine-fusion module (FFM) ，重建模块reconstruction module (RM)。这三个模块能够有效提取和融合多尺度图像的雨纹特征信息。

2.网络主体架构：

该网络架构主要分为四个部分：初始特征提取（initial feature extraction）