【论文阅读】Image Restoration Using Convolutional Auto-encoders with Symmetric Skip Connection

2019独角兽企业重金招聘Python工程师标准>>>

题目：使用卷积自动编码器与对称跳跃连接对图像进行恢复

摘要：

图像复原是计算机视觉和图像处理领域的一个研究热点问题，包括图像去噪、超分辨率、图像修补等。也是低级图像建模算法的实验平台。我们提出了一种用于图像恢复的深度全卷积自编码网络，它是一个具有对称卷积反卷积层的编解码框架。换句话说，网络由多层卷积和反卷积操作组成，学习从损坏的图像到原始图像的端到端映射。卷积层捕获图像内容的抽象，同时消除失真。反卷积层能够对特征图进行上采样并恢复图像细节。针对更深层次的网络训练难度较大的问题，提出将卷积和反卷积层与跳跃连接对称连接，训练收敛速度更快，效果更好。从卷积层到对应的镜像反卷积层的跳跃连接有两个主要优点。首先，它们允许信号直接反向传播到底层，从而解决梯度消失的问题，使得训练深度网络更加容易，从而实现恢复性能的提高。其次，这些跳跃连接将图像细节从卷积层传递到反卷积层，这有助于恢复出干净的图像。值得注意的是，随着容量的增大，我们展示了使用一个模型来处理不同级别的腐蚀是可能的。使用相同的框架来训练模型的任务，在图像去噪，超分辨率，消除JPEG压缩工件，非盲图像去模糊和图像修补上。我们在基准数据集上的实验结果表明，我们的网络可以在所有这四个任务上实现最佳的性能，并是当前效果最好的。

优点：

缺点：

转载于:https://my.oschina.net/u/3183716/blog/3033257