论文阅读：Self-Refining Deep Symmetry Enhanced Network for Rain Removal

努力提升自己才是最应该做的。

2019 ICIP：Self-Refining DSEN

这篇文章主要提出了一种自细化的深度对称增强网络，并且引入了一种旋转等变特征的概念(rotation equivariant features)，还挺有意思.
代码：SDSEN

现有的大部分方法都是基于卷积神经网络CNN进行构建的，但是CNN对物体旋转不具有等变性，导致这些方法不适合处理倾斜的雨纹。
本文提出的深度对称增强网络可以从雨图中提取出旋转等变特征，并且还设计了一种自细化的机制，由粗到细地去除积累的雨纹。
自细化机制通过复用该网络使用一个新的信息链接，使梯度流进入更高的阶段。

主要思想阐述：

1、旋转等变性：

由图片可知，提取的雨层预计会根据雨带的旋转而旋转。r为雨纹顺时针旋转90度，f为雨提取模型的映射。* 听起来像是废话。 *

由于雨纹总是以不同的角度倾斜，我们预计生成的雨层将跟随雨纹的旋转。这个属性称为旋转等变性。
然而，CNNs中传统的卷积运算不具有旋转等变性，这降低了CNNs学习对像倾斜雨条纹等旋转对象的表示能力。
因此，现有的基于CNN的方法，由于其性质，在处理倾斜雨条纹方面存在困难。

2、主要思想：

为了解决上述问题，本文基于旋转等变性增强了C