開發十年，就只剩下這套架構體系了！ >>>   

題目：使用卷積自動編碼器與對稱跳躍連線對影象進行恢復

摘要：

影象復原是計算機視覺和影象處理領域的一個研究熱點問題，包括影象去噪、超解析度、影象修補等。也是低階影象建模演算法的實驗平臺。我們提出了一種用於影象恢復的深度全卷積自編碼網路，它是一個具有對稱卷積反捲積層的編解碼框架。換句話說，網路由多層卷積和反捲積操作組成，學習從損壞的影象到原始影象的端到端對映。卷積層捕獲影象內容的抽象，同時消除失真。反捲積層能夠對特徵圖進行上取樣並恢復影象細節。針對更深層次的網路訓練難度較大的問題，提出將卷積和反捲積層與跳躍連線對稱連線，訓練收斂速度更快，效果更好。從卷積層到對應的映象反捲積層的跳躍連線有兩個主要優點。首先，它們允許訊號直接反向傳播到底層，從而解決梯度消失的問題，使得訓練深度網路更加容易，從而實現恢復效能的提高。其次，這些跳躍連線將影象細節從卷積層傳遞到反捲積層，這有助於恢復出乾淨的影象。值得注意的是，隨著容量的增大，我們展示了使用一個模型來處理不同級別的腐蝕是可能的。使用相同的框架來訓練模型的任務，在影象去噪，超解析度，消除JPEG壓縮工件，非盲影象去模糊和影象修補上。我們在基準資料集上的實驗結果表明，我們的網路可以在所有這四個任務上實現最佳的效能，並是當前效果最好的。

優點：

相關推薦