深度学习--降噪
文章平均质量分 78
浮生若梦,为欢几何耶
这个作者很懒,什么都没留下…
展开
-
深度学习——QSNet
原论文:Deep Image Deraining Via Intrinsic Rainy Image Priors and Multi-scale Auxiliary Decoding1.主要内容:根据含雨图像的内在稀疏性先验知识和多尺度特征,提出了单幅图像去雨网络方案。第一,通过大量的统计学实验,文章探索了含雨图像的内在稀疏特性,然后根据稀疏性的先验知识设计了新的损失函数来训练神经网络。利用内在稀疏性能够将雨线完整地分离出来并保留背景图像细节特征。为了进一步简化稀疏性公式,文章提出了准稀疏性。其具备更原创 2021-04-03 16:46:22 · 804 阅读 · 1 评论 -
深度学习——Multi-Purpose Image Deraining (MPID)
CVPR2019原论文:Single Image Deraining: A Comprehensive Benchmark Analysis项目地址:https://github.com/lsy17096535/Single-Image-Deraining1.主要内容:提出了多任务去雨评价标准。对一些优秀去雨方法作了全面的一致性评测。2.雨模型:1)包含雨线和干净背景的雨模型:其中,B为干净背景图像,S为雨线图像。2)包含雨点和干净背景的雨模型:其中,B为干净背景,D为雨点图像,M是雨点的原创 2021-04-01 17:53:39 · 2202 阅读 · 1 评论 -
深度学习——Domain Adaptation for Image Dehazing
CVPR2020原论文:Domain Adaptation for Image Dehazing开源代码(pytorch框架):https://github.com/HUSTSYJ/DA_dahazing1.主要内容:提出了领域适应的单幅图像去雾网络。能够有效在合成数据集合和真实数据集的差异之间建立联系。利用人工合成数据集训练,同时利用真实图像数据集参与训练,使得网络对人工合成图像和真实图像都具备较好的去雾能力。(领域适应:指深度网络利用人工合成数据集训练的同时,能够在真实图像数据集领域中有较好的泛原创 2021-03-07 19:17:15 · 1050 阅读 · 0 评论 -
深度学习——Noisier2Noise
CVPR2020原论文:Noisier2Noise: Learning to Denoise from Unpaired Noisy Data1.主要内容:针对图像去噪声,提出了一种无需ground truth的训练神经网络的方法。该方法对高斯噪声和空间相关性噪声都有效。2.Noisier2Noise方法对于没有ground truth的单幅图像降噪,我们很难直接预测估计噪声。例如,未知噪声模型的噪声X。文章提出了估计未知噪声X的方法:设有含有未知噪声X的图像,已知噪声模型A。则对图像添加一个原创 2021-03-06 22:24:08 · 1683 阅读 · 6 评论 -
深度学习——Analysis-Synthesis Networks
CVPR2020原论文:Deblurring using Analysis-Synthesis Networks Pair开源代码(tensorflow框架)https://github.com/adamkau/analysis-synthesis-deblurring1.主要内容:提出了一种新的图像盲去模糊的网络方案。原创 2021-03-06 17:10:54 · 1276 阅读 · 5 评论 -
深度学习——Deep Convolutional Neural Network for Image Deconvolution
原论文(NIPS2014):Deep Convolutional Neural Network for Image Deconvolution开源代码:http://www.lxu.me/projects/dcnn/1.主要工作:将传统图像优化方案与深度神经网络学习方案结合起来,提出了基于分离结构转置卷积的卷积神经网络完成退化图像重建。2.图像退化模型:其中x是初始图像,y是退化图像。α为相机动态范围,k为点扩散函数,n为相机噪声,φ(…)为图像退化函数, ψb(…)为图像压缩损失。3.优化目标原创 2021-01-14 12:06:32 · 713 阅读 · 0 评论 -
深度学习——CBD-Net
CVPR2019原论文:Toward Convolutional Blind Denoising of Real Photographs开源代码(matlab):https://github.com/GuoShi28/CBDNet1.主要工作:提出了同时考虑异方差高斯噪声和相机内部处理过程因素的真实噪声模型。该噪声模型能够提高降噪的质量。引入了噪声估计子网络,非对称损失函数能够提高模型对真实噪声的泛化能力,同时,合理调整噪声的强度等级实现交互式去噪声。同时采用了人工合成噪声图像和真实噪声图像来训练原创 2021-01-08 10:44:55 · 4040 阅读 · 0 评论 -
深度学习——deep adversarial decomposition
CVPR2020原论文:Deep Adversarial Decomposition: A Unified Framework for Separating Superimposed Images开源代码(pytorch框架):https://github.com/He-jerry/PatchGAN1.主要内容:提出了基于GAN的一致性网络结构完成单幅重叠图像的分离。例如:去雨,去阴影,去反光…由于分离单幅重叠图像是一个病态问题(具有无穷多种可能性解)。文章提出了一种分离标准(Separation-原创 2021-01-05 10:52:29 · 575 阅读 · 0 评论 -
深度学习——BEDSR-Net
CVPR2020原论文:BEDSR-Net: A Deep Shadow Removal Network from a Single Document Image为了便捷记录文件内容,我们通常直接用手机或相机拍摄文件。由于环境光照的影响,拍摄的图像会产生各种阴影。就文件图像阴影的问题,文章提出了深度学习的方法去阴影。如下图:1.主要工作:首先提出了单幅文件图像去阴影的深度学习网络(Background Estimation Document Shadow Removal Network ,BEDSR原创 2021-01-04 11:45:06 · 1417 阅读 · 8 评论 -
深度学习——Iterative Boost Convolutional LSTM Network
CVPR2020原论文:Single Image Reflection Removal through Cascaded Refinement开源代码(pytorch框架):https://github.com/JHL-HUST/IBCLN1.主要工作:提出了层级优化网络结构(Iterative Boost Convolutional LSTM Network ,IBCLN) 完成真实世界单幅图像去反光。退化图像I=transmission layers(背景) + reflection layers原创 2021-01-03 16:25:24 · 680 阅读 · 0 评论 -
深度学习——Pre-Net
CVPR2019原论文:Progressive Image Deraining Networks: A Better and Simpler Baseline开源代码(pytorch框架):https://github.com/csdwren/PReNet1.主要工作:提出了逐步优化残差网络 progressive ResNet (PRN)和逐步优化循环网络progressive recurrent network (PReNet)完成图像去雨。这两个网络没有太大差异,只是PReNet比PRN多了一个原创 2021-01-03 11:56:12 · 5951 阅读 · 2 评论 -
深度学习——SEMI
CVPR2019原论文:Semi-supervised Transfer Learning for Image Rain Removal开源代码(tensorflow框架):https://github.com/wwzjer/Semi-supervised-IRR1.主要工作:提出了半监督迁移学习网络完成单幅图像去雨。该网络采用半监督迁移学习,能够利用单幅真实含雨图像(没有ground truth 图像)进行训练。由于很难获取真实含雨图像的ground truth,大部分去雨网络方案都是采用人工合成的原创 2021-01-02 19:56:34 · 573 阅读 · 0 评论 -
深度学习——UMRL
CVPR2019原论文:Uncertainty Guided Multi-Scale Residual Learning-using a Cycle Spinning CNN for Single Image De-Raining1.主要工作:提出了不确定性引导的多尺度残差学习(UMRL)网络。该网络利用uncertainty map指导后续的层检测和学习雨纹信息。根据输入生成雨纹图像。在训练和测试阶段,利用循环机制不断提高去雨质量。2.网络主体结构:雨纹是图像中的高频部分(具有明显的边界和轮廓原创 2021-01-02 12:16:24 · 1182 阅读 · 0 评论 -
深度学习——DRD-Net
CVPR2020原论文:Detail-recovery Image Deraining via Context Aggregation Networks开源代码( tensorflow框架):https://github.com/Dengsgithub/DRD-Net1.主要工作:提出了双分支去雨网络。一个分支为基于压缩激励机制(squeeze-and excitation ,SE)的雨残差估计网络,SE能够获取图像上下文特征信息以完成去雨;另一个分支为图像细节恢复网络,使因去雨导致...原创 2021-01-01 17:24:49 · 1229 阅读 · 0 评论 -
深度学习——DID-MDN
CVPR2018原论文:Density-aware Single Image De-raining using a Multi-stream Dense Network开源代码(pytorch框架):https://github.com/hezhangsprinter/DID-MDN1.主要工作:原创 2020-12-31 16:18:16 · 956 阅读 · 0 评论 -
深度学习——RESCAN
原论文2018:Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image Deraining开源代码(pytorch框架):https://xialipku.github.io/RESCAN1.主要工作:提出了逐阶段去雨的单幅图像去雨深度网络架构。采用逐阶段去雨的方式。每一个阶段采用上下文扩张网络完成去雨工作。最后逐渐优化输出图像。考虑到不同去雨阶段的相关性,文章利用三种循环单元融合了RNN网络架构。前面去雨阶段原创 2020-12-30 12:07:29 · 1845 阅读 · 1 评论 -
深度学习——attentive-gan-derainnet
CVPR2018原论文:Attentive Generative Adversarial Network for Raindrop Removal from A Single Image开源代码(tensorflow框架):https://github.com/MaybeShewill-CV/attentive-gan-derainnet1.主要工作:提出了注意力机制的对抗生成网络完成单幅图像的去雨。最大创新点在于:在生成器网络和判别器网络分别插入注意力机制。在训练过程中,注意力机制能够学习到雨点的区域原创 2020-12-29 20:36:56 · 1253 阅读 · 0 评论 -
深度学习——DerainNet
原论文:Clearing the Skies: A Deep Network Architecture for Single-Image Rain Removal1.主要工作:文章提出了DerainNet深度学习去雨方法。DerainNet直接提供了含雨图像和无雨图像之间的非线性映射关系。去雨的同时,利用了图像增强去改善视觉效果。该网络方案不是简单地增加网络复杂度来提升去雨的效果。而是利用图像处理领域的知识去修正目标函数,以提升去雨质量。计算资源消耗少,同时预测输出快。由于无法获取真实世界雨图像的g原创 2020-12-28 10:56:34 · 1445 阅读 · 1 评论 -
深度学习——JORDER
CVPR2017原论文:Deep Joint Rain Detection and Removal from a Single Image1.主要内容:原创 2020-12-24 11:03:42 · 1426 阅读 · 0 评论 -
深度学习——rain convolutional dictionary network (RCD-Net)
CVPR2020原论文:A Model-driven Deep Neural Network for Single Image Rain Removal 开源代码:https://github.com/hongwang01/RCDNet1.主要内容:利用卷积字典学习机制去编码雨的形状,以及近端梯度技术设计优化算法,提出了单幅图像的雨卷积字典模型(rain convolutional dictionary model,RCD model)。如下图:Rainy Image(O)=Rain原创 2020-12-21 19:33:33 · 2528 阅读 · 3 评论 -
深度学习——Multi-Scale Progressive Fusion Network for Single Image Deraining
CVPR2020论文:Multi-Scale Progressive Fusion Network for Single Image Deraining1.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,来获取雨纹的特征。为了更原创 2020-12-18 21:33:26 · 1911 阅读 · 2 评论 -
深度学习——Self2Self Net: Self-Supervised Denoising
CVPR2020原论文:Self2Self With Dropout: Learning Self-Supervised Denoising From Single Image1.主要工作:提出了一种自监督学习的单幅图像降噪网络方案(Self2Self)。该方案只需要输入单幅噪声图像(无ground truth)进行训练。有两点核心观点:1)对单幅输入噪声图像进行伯努利采样(如下图,以概率p对图像y进行采样),得到一系列噪声图像。并将采样得到的这些图像用于网络的训练。同时,利用局部卷积代替一般卷积方法原创 2020-12-17 11:35:59 · 3563 阅读 · 7 评论 -
深度学习——Metal artifact reduction
原论文:Metal artifact reduction on cervical CT images by deep residual learning1.主要内容:提出了基于卷积神经网络的残差学习方法(RL-ARCNN) 。该方法能够减少颈椎CT图像中的金属伪影(由于人体植入金属部件后,拍CT时会出现放射状伪影)。2.主要步骤:(1)模拟各种金属伪影生成一个数据集,用于训练CNN。此数据集包括含有伪影的图像 (artifact-insert),不含伪影的图像 (artifact-free),伪影图像原创 2020-12-08 11:37:39 · 1617 阅读 · 1 评论 -
深度学习——Deep-Masking Generative Network
CVPR2020论文:Deep-Masking Generative Network: A Unified Framework for Background Restoration from Superimposed Images1.主要内容:提出了 Deep-Masking Generative Network (DMGN)对叠加类型噪声图像进行背景重建(如,去雾,去雨,去反光)。首先,同时生成粗略的背景图像和噪声图像,然后,依据噪声图像对粗糙背景图像进行迭代优化,提高背景图像的质量。DMGN的核心是残原创 2020-10-31 17:51:02 · 865 阅读 · 2 评论 -
迁移学习处理真实噪声
运用自适应实列标准化从综合噪声到真实噪声的迁移学习CVPR2020论文:Transfer Learning from Synthetic to Real-Noise Denoising with Adaptive Instance Normalization主要工作:1.提出了良好泛化能力的降噪结构(可针对各种相机产生的各种噪声) 2.提出一种迁移学习降噪方案 3.特别的,运用自适应实例标准化去构建降噪器,其能够正则化feature map,并阻止网络过拟合。1.介绍:真实噪声不同于综合噪声,真实噪声原创 2020-10-25 12:16:17 · 2302 阅读 · 3 评论