论文阅读：A Deep Tree-Structured Fusion Model for Single Image Deraining

也是一篇轻量级的网络，简要梳理一下

2018 ArXiv：树状网络

也是傅雪阳的一篇文章，主要提出了一种树状的特征融合网络，文章使用扩张卷积作为基本块，同时减少了网络参数。

文章主要提出了一种基于特征融合的树状结构融合模型。
网络使用扩张卷积作为基本模块来捕捉雨的空间结构。
图像的相邻特征之间包含着大量的冗余信息，可以通过分层融合相邻特征来减少冗余。
可以有效地利用空间信息和内容信息来使模型更加紧凑。

关键词： 树状结构+扩张卷积+特征融合+减少参数

网络结构：

整体网络结构由一个特征提取层，八个扩张卷积模块和一个重建层组成。
由图可知，网络输入一个雨图 X，然后首先是进行特征图的提取，接着是一组8个扩张卷积模块形成树形结构，并不断进行特征融合，然后得到重建后的特征图，提取出估计的残差部分 R，最后得到去雨的图像Y。

具体实现：

1、网络组成

特征提取：