论文阅读：Semi-supervised Transfer Learning for Image Rain Removal

已经到2020cvpr了，我一月份的semi论文坑还没填，今天再重读一遍，这个论文有点难懂对于我这种小菜鸡来说啊啊啊啊
努力提升自己，规律每一天。

2019 CVPR ： Semi-supervised

这篇文章是2019年CVPR的一篇文章，主要提出了一种基于GMM高斯混合模型的半监督去雨方法，是西安交大Deyu Meng老师团队出的一篇文章。

本文主要提出了一种半监督的方法，训练数据整合进真实雨图。通过将输入的有雨图像与其期望的网络输出(无雨的清晰图像)之间的残差作为特定的参数化雨条纹分布来实现。网络通过有监督学习的合成的雨来适应真实的无监督学习中的雨的多样性，通过这种处理来减少真实和合成数据间的差异性的问题以及缺少训练样本的问题，提高泛化能力。

作者还指出，由于训练数据和测试数据的分布不一致，该任务可以自然地视为一个典型的领域适应问题。从学习合成去雨(训练、监督)过渡到学习真实去雨(测试、无监督)。该方法能够在训练过程中以数学上合理的方式充分利用无监督的实际雨天图像。具体来说，同时将有监督的合成数据和无监督的真实数据输入到网络中，并且网络参数可以通过有监督输入的网络输出图像的最小二乘残差(对于有监督样本)和它们的ground truth标签的组合进行优化。以及由无监督输入的网络输出图像与其原始雨图像的差值测量的特定参数化雨分布(对于无监督样本)的负对数似然(NLL)损失。

主要创新之处：

1、首次将单张图像去雨SIRR视作一个域适应问题，第一个提出使用半监督方法去雨。
2、同时利用有监督和无监督知识进行图像去雨。有监督部分，直接采用网络输出图像和干净无雨图像之间的最小二乘损失；无监督部分，则通过在基于残差的域理解参数化分布上施加一个似然项来表示期望输出和有雨图像之间