Deep Convolutional Neural Network for Image Deconvolution

最新推荐文章于 2021-01-14 12:06:32 发布
原创 最新推荐文章于 2021-01-14 12:06:32 发布 · 1.9k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了Li Xu等人发表的一篇关于使用深度卷积神经网络进行图像解卷积的文章。作者提出了将优化方法与深度学习相结合的方法，并公开了相关源码。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

看了 Li Xu, Jimmy SJ. Ren, Ce Liu, Jiaya Jia, "Deep Convolutional Neural Network for Image Deconvolution"这篇文章，

作者将优化方法和深度学习方法结合实现解卷积，并公布了相关源码。

不过作者没用经典的框架，欢迎看过这篇paper的同学一起讨论。

【图像超分】论文精读：Accelerating the Super-Resolution Convolutional Neural Network（FSRCNN）
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
03-12 1万+
作为应用于图像超分辨率 (SR) 的成功深度模型，超分辨率卷积神经网络 (SRCNN) [1,2] 在速度和恢复质量方面都比以前的手工制作的模型表现出更好的性能。然而，高计算成本仍然阻碍了它的实际使用，这需要实时性能（24 fps）。在本文中，我们旨在加速当前的 SRCNN，并提出了一种紧凑的沙漏形 CNN 结构，以实现更快和更好的 SR。我们从两个方面重新设计了SRCNN结构。首先，我们在网络末端引入了一个反卷积层，然后将映射直接从原始低分辨率图像（无插值）学习到高分辨率图像。其次，我们通过在映射之前缩小
论文阅读笔记（五十四）：V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
sunshine_010的博客
05-14 7650
Abstract. Convolutional Neural Networks (CNNs) have been recently employed to solve problems from both the computer vision and medical image analysis fields. Despite their popularity, most approaches ...
深度学习——Deep Convolutional Neural Network for Image Deconvolution
weixin_51352656的博客
01-14 825
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
【论文阅读】DCNN-Deep Convolutional Neural Network for Image Deconvolution
qq_40314292的博客
03-09 623
题目：Deep Convolutional Neural Network for Image Deconvolution DCNN 作者：Li Xu, 2014年 作者将优化方法和深度学习方法结合实现解卷积，并公布了相关源码。 主要 非盲解卷积，也是去噪的 评价：PSNR 数据集：自己生成的 模型：一个解卷积CNN+去噪CNN，单独训练 loss：MES 摘要 许多与图像相关的基本问题涉及反褶积算...
总结Deep Convolutional Neural Network for Image Deconvolution
伯兰的博客
04-02 3340
一、该论文主要工作 设计了一个深度卷积神经网络来捕获degradation image的特点 该卷积神经网络以一种新奇的方法结合了传统基于优化的方案和神经网络结构 引入可分离的卷积结构 该卷积神经网络分为两个模块，这两个模块都使用监督方式来训练 二、Degradation image的形成 Degradation image就包括图像模糊、图像压缩等等一系列的操作 ...
[深度学习] 图像反卷积的深度积神经网络 Deep Convolutional Neural Network for Image Deconvolution
小黑_BUPT的博客
12-03 5066
《图像反卷积的深度积神经网络》 《Deep Convolutional Neural Network for Image Deconvolution》 Li Xu, Jimmy SJ. Ren, Ce Liu, Jiaya Jia NIPS 2014 pdf 摘要 许多基本的图像处理问题涉及反卷积计算。由于相机噪声，饱和度，图像压缩等原因，实际模糊降级很少符合理想的线性卷积模型。 不同于传统的...
Deep learning：五十(Deconvolution Network简单理解)
weixin_34343689的博客
11-26 479
  　　深度网络结构是由多个单层网络叠加而成的，而常见的单层网络按照编码解码情况可以分为下面3类： 既有encoder部分也有decoder部分：比如常见的RBM系列（由RBM可构成的DBM, DBN等），autoencoder系列(以及由其扩展的sparse autoencoder, denoise autoencoder, contractive autoencoder, satu...
Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review(论文解读)
Enjoy_endless
02-26 3840
这是一篇关于图像处理(分类方向)的卷积神经网络发展的一个综述，聚焦于CNN在图像分类方向的应用，文章分析了：（1）他们早期的成功，（2）他们在深度学习复兴中的角色，（3）选择了象征性的工作成果，以及（4）通过回顾300多种出版物的贡献和挑战所带来的改进。 我们还介绍了他们目前的一些趋势和仍存在的挑战。 本综述面向那些想要了解CNN技术和体系结构发展的人，从他们的前辈到现代最先进的深度学习系统，特别...
基于深度卷积神经网络的图像反卷积 学习笔记
木瓜子的博客
06-15 7706
Deep Convolutional Neural Network for Image Deconvolution Author : Li Xu、Jimmy SJ. Ren 、Ce Liu 、Jiaya Jia 1.介绍 在本文中，我们提出了一种不基于物理或数学特征的自然图像反卷积方法，我们展示了使用图像样本构建数据驱动系统的新方向，这些图像样本可以很容易地从摄像机中生成或在线收集。 我...
Some Improvements on Deep Convolutional Neural Network Based Image Classif ication
woyaopojie1990的专栏
08-12 2032
学习笔记之《Some Improvements on Deep Convolutional Neural Network Based Image Classif ication》
Some Improvements on Deep Convolutional Neural Network Based Image Classification(精读)
小胜爱捣鼓
10-31 2964
一.文献名字和作者      Some Improvements on Deep Convolutional Neural Network Based Image Classification, Andrew G. Howard     二.阅读时间     2014年10月31日 三.文献的目的     文献主要提出了几种能够提高基于CNN的图像分类系统的准确
Deconvolutional network
Sky
05-18 1151
出自论文 Zeiler M D, Krishnan D, Taylor G W, et al. Deconvolutional networks[C]//Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on. IEEE, 2010: 2528-2535. Introduction 传统的深度学习网络都是一
Deconvolutional Networks
LYKymy的博客
07-26 689
Abstract 构建强大的低级和中级图像表示，超越边缘基元，是视觉中的长期目标。许多现有的特征检测器在空间上汇集边缘信息，这些信息破坏了诸如边缘交叉，平行和对称之类的提示。我们提出了一个学习框架，其中捕获这些中级线索的特征自发地从图像数据中出现。我们的方法基于稀疏约束下的图像的卷积分解，并且完全没有监督。通过构建这种分解的层次结构，我们可以学习丰富的特征集，这些特征集是图像分析和合成的强大图像...
Deconvolutional Networks（阅读）
热门推荐
深藏功与名
03-09 1万+
最近在学习FCN的网络，因此Deconvolutional Networks部分是非常需要看的，其实就是图像重构问题。 通过实验给出的一些重要参数设置H =7, λ=1, p=1, β0 =1, βInc =6, βMax =105, E =3。 作者利用各种优化方法提取图像的feature map，避免了普通Convolutional Neural Network中得encoder部分。
文献阅读 - Some Improvements on Deep Convolutional Neural Network Based Image Classification
Always On The Way
08-19 528
Some Improvements on Deep Convolutional Neural Network Based Image Classification A.G. Howard Some Improvements on Deep Convolutional Neural Network Based Image Classification (2013) 摘要 1 引言 验证误差平台（...
Deconvolutional Network [deconv] 研究
FR的专栏
03-24 2015
前言 deconv的用处还挺广的，涉及到 - visualization - pixel-wiseprediction - unsupervised learning 都会用到deconv的结构。比如Deconvolutional Network做图片的unsupervised feature learning，ZF-Net论文中的卷积网络可视化，FCN网络中的upsamplin...
论文阅读笔记（四十四）：Deconvolutional Networks
sunshine_010的博客
05-06 1840
Building robust low and mid-level image representations, beyond edge primitives, is a long-standing goal in vision. Many existing feature detectors spatially pool edge information which destroys cues ...
Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring
weixin_42286355的博客
06-04 2051
Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring
论文阅读笔记之——《Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring》
gwpscut的博客
06-21 5768
论文：https://arxiv.org/pdf/1612.02177.pdf 代码：https://github.com/SeungjunNah/DeepDeblur_release 代码解读https://blog.youkuaiyun.com/wm6274/article/details/71194225 数据集下载链接在上面的github里面 we propose a multi-sca...
STransFuse: Fusing Swin Transformer and Convolutional Neural Network for Remote Sensing Image Semantic Segmentation
06-09
STransFuse是将Swin Transformer和卷积神经网络（CNN）相融合的一种方法，用于遥感图像语义分割任务。具体而言，STransFuse首先使用Swin Transformer提取图像的全局特征，然后将这些特征与CNN中提取的局部特征进行...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值