<menu id="wggm2"></menu>

哈工大，清華和臺灣清華聯(lián)合發(fā)表“一份超全易懂的深度學習在圖像去噪的綜述”被人工智能前沿講習、極市平臺、CVer等多個公司關(guān)注

來源: 田春偉/

哈爾濱工業(yè)大學

1878

2020-03-01 11:50:51

2020-03-01

1月18日，《Deep Learning on Image Denoising: An overview》被“人工智能前沿講習”公眾號報道，具體信息如：https://mp.weixin.qq.com/s/aaaaG5LkyWcJ9dhZ74Cp6A

1月27日，這個工作被“市級平臺”推送，具體信息如：https://mp.weixin.qq.com/s/hPaJssohwTIPx6kzGvp70g

2月14日，這個工作被"CVer"所推送，具體信息如：https://mp.weixin.qq.com/s/nmKWJPbedGo1J8-oeIKm2w

部分介紹如下：

近日哈爾濱工業(yè)大學、廣東工業(yè)大學、清華大學與臺灣國立清華大學等研究人員共同撰寫一篇深度學習在圖像去噪上的綜述并在arxiv發(fā)表，該綜述系統(tǒng)地總結(jié)圖像去噪的重要性、圖像去噪技術(shù)的發(fā)展、傳統(tǒng)的機器學習和深度學習的圖像去噪技術(shù)的優(yōu)缺點以及刨析出圖像去噪技術(shù)面對的挑戰(zhàn)與潛在的研究點。該綜述對學術(shù)界和工業(yè)界都有重要的指導作用，值得學習。

Deep Learning onImage Denoising: An Overview

論文鏈接：

https://arxiv.org/abs/1912.13171

相關(guān)代碼鏈接：

https://github.com/hellloxiaotian

1 背景與動機

數(shù)字圖像設(shè)備已經(jīng)被應用在天氣預測、災難救援、安全監(jiān)控與醫(yī)學診病等多個領(lǐng)域。然而數(shù)字設(shè)備常受到相機抖動、運動的物體、暗光和噪聲等影響而導致捕獲的照片不干凈。因此圖像去噪技術(shù)的研究具有重要的理論和實際應用價值。

圖像去噪技術(shù)在20世紀90年代已經(jīng)成為研究熱點。例如：用非局部相似性來優(yōu)化稀疏方法能提高去噪的性能。字典學習有助于快速移除噪聲。先驗知識通過平滑噪聲圖像來恢復潛在干凈圖像的細節(jié)。更多競爭去噪方法包括MRF 、WNNM 、LSSC、CSF 、TNRD和GHEP能被利用。

雖然這些大部分方法在圖像去噪上能達到好的性能，但是他們有以下缺點：

(1) 在測試階段涉及復雜優(yōu)化方法,

(2) 手動設(shè)置參數(shù),

(3) 一個固定的模型來處理單個去噪任務。擁有靈活的結(jié)構(gòu)，強的自學習能力的深度學習技術(shù)能用來解決這些不足。

2 本文研究框架

本文由淺到深介紹深度學習在圖像去噪應用，首先介紹深度學習在圖像處理的基本框架，包括：有監(jiān)督和無監(jiān)督機器學習、卷積網(wǎng)絡、深度學習在圖像去噪的主要結(jié)構(gòu)（如：VGG、ResNet、GoogLeNet和GAN）和深度學習技術(shù)常用軟件和硬件；其次重點介紹深度學習技術(shù)在圖像去噪上應用，如圖示1所示：

登錄用戶可以查看和發(fā)表評論，請前往登錄或注冊。

国产亚洲AV自拍|av中文字幕一区|资源在线观看一区二区|亚洲影视久久亚洲特级性交|一级做一级a做片爱免费观看|欧美另类亚洲色婷婷精品无码|亚洲青青草免费一区|青青草免费成人网|91久久国内视频|五月天丁香久久

1 背景與動機

2 本文研究框架