本文档是关于使用深度全卷积编码解码网络进行图像去噪的读书笔记，重点探讨了具有对称跳跃连接的RED-Net。实验表明，深度网络结合shortcuts（步长2）能有效提高去噪性能，解决梯度消失问题，且在高噪声级别下，模型优于传统方法。
转载请注明出处，谢谢。
论文：Image Denoising Using Very Deep Fully Convolutional Encoder-Decoder Networks with Symmetric Skip Connections
作者： Xiao-Jiao Mao, Chunhua Shen, Yu-Bin Yang
四、实验部分
针对现有的几种先进的去噪方法，对模型的去噪性能进行了评价。
进行去噪实验的两个数据集：
1.14个通用基准图像，如下：
2.BSD数据集
作为文献中常用的实验背景，在图像中加入了均值为0和标准差为的加性高斯噪声，以检验去噪方法的性能。
论文对σ为10、30、50和70的噪声级进行了测试，并将其他论文中的方法BM3D、NCSR、EPLL、PCLR、PDPD和WMMN与论文中提出的RED-Net进行了比较。对于其他论文中的方法，使用它们的作者发布的源代码，并使用它们的默认参数对图像进行测试。计算了峰值信噪比(PSNR)和结构相似度(SSIM)指标,并提供了视觉质量指标。
论文实现了网络的三个版本：
RED10：5个卷积层
最低0.47元/天 解锁文章
扫一扫
830
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
