Scale-recurrent Network for Deep Image Deblurring 阅读理解

悠悠 2022-05-06 10:42 176阅读 0赞

Scale-recurrent Network for Deep Image Deblurring 2018CVPR  腾讯优图出品

code  [https://github.com/jiangsutx/SRN-Deblur   代码亲测效果确实不错，但是对于我自己拍的照片出现bad case，跟作者确认过，确实存在。可能是因为作者的模型主要针对运动模糊，一般失焦模糊容易受到矫枉过正的问题。总之模型还需要继续优化][https_github.com_jiangsutx_SRN-Deblur_ _bad case]

给定一个运动或焦点模糊的输入图像，由相机抖动、物体运动或焦点不聚焦，模糊的目标是用必要的边缘结构和细节恢复一个锐利的潜在图像。此外，对模糊模型的简化假设经常会阻碍它们在实际图像处理中的表现，模糊比建模复杂得多，并且与内置的图像处理管道纠缠在一起，各种原每一因综合得到的结果。

不同尺度上有的人采用相同参数，有的采用不同参数，本文在这项工作中，文章建议在不同的尺度上共享网络权重，以显著减少培训难度并引入明显的稳定性优势。

文章强调多尺度的重要性，本文对该策略进行了研究，并提出了一种可缩放的网络（SRN-DeblurNet）。它有一个更简单的网络结构，更少的参数，而且更容易进行训练。

1 多尺度，将图像缩放成多种尺度，每一个尺度视为一个子问题，采用一个Encoderdecoder网络进行训练，作者添加了一些修改，例如残差学习等。

2 前一个网络生成的deblur图像作为下一个网络的初始deblur图像。

3 各个子网络之间有一个RNN网络进行信息保留和传递，作者采用LSTM。

Encoder-decoder Network指那些对称的CNN结构，它首先将输入数据逐步转换成具有较小空间大小和更多通道（编码器）的功能图，然后将它们转换回输入（解码器）的形状。

Skip-connections 被广泛用于将不同层次的信息组合在一起。它们也能促进梯度传播和加速收敛

作者针对他提出的几个模块分别做对比实验：

1 Multi-scale Strategy 因此作者设计了一个Single-scale model进行对比。

2 Encoder-decoder ResBlock Network

作者分别设计多个小模块进行对比 ResBlock

数据集：GOPRO dataset

[https://github.com/jiangsutx/SRN-Deblur][https_github.com_jiangsutx_SRN-Deblur_ _bad case]

[https_github.com_jiangsutx_SRN-Deblur_ _bad case]: https://github.com/jiangsutx/SRN-Deblur

发表评论取消回复

表情：

评论列表（有 0 条评论，176人围观）

还没有评论，来说两句吧...

相关阅读

相关论文笔记《Very Deep Convolutional Networks for Large-Scale Image Recognition》

VGGNet在2014年的ILSVRC竞赛上，获得了top-1 error的冠军和top-5 error的第二名，错误率分别为24.7%和7.3%，top-5 error的第一

系统管理员/ 2024年02月19日 14:24/ 0 赞/ 42 阅读

相关 VGG_Very Deep Convolutional Networks For Large-Scale Image Recognition翻译

![1598479-20190917155018712-1681639433.png][] 转载于:https://www.cnblogs.com/yunshangyu

怼烎@/ 2023年08月17日 16:05/ 0 赞/ 133 阅读

相关真实噪声：Densely Connected Hierarchical Network for Image Denoising（CVPRW2019）阅读理解

Deep Iterative Down-Up CNN for Image Denoising CVPRW2019 Densely Connected Hierarchica

- 日理万妓/ 2023年03月13日 03:18/ 0 赞/ 123 阅读

相关论文阅读|ResNet：Deep Residual Learning for Image Recognition

背景： VGG到GoogleNet等网络的演变证明了深度对于神经网络来说是至关重要的，ImageNet数据集挑战上的神经网络的深度也从16演变到了30+，深度的提升给网络带

比眉伴天荒/ 2022年12月26日 14:27/ 0 赞/ 197 阅读

相关 Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images

![20201016092832782.png][] 论文原文：[Deep Neural Networks are Easily Fooled: High Confidenc

﹏ヽ暗。殇╰゛Y/ 2022年12月15日 11:15/ 0 赞/ 103 阅读

相关（VGG）Very Deep Convolutional Networks for Large-Scale Image Recognition

Very Deep Convolutional Networks for Large-Scale Image Recognition 文章目录

﹏ヽ暗。殇╰゛Y/ 2022年10月20日 00:51/ 0 赞/ 286 阅读

相关【Paper Note】Very Deep Convolutional Networks for Large-Scale Image Recognition——VGG（论文理解）

前言 VGG网络于2014年被提出，在ImageNet数据集上面获得了定位项目的第一名和分类项目的第二名，虽然在2014年被提出的GoogLeNet网络在定位项目之外的其

本是古典何须时尚/ 2022年06月08日 02:43/ 0 赞/ 226 阅读

相关 Scale-recurrent Network for Deep Image Deblurring 阅读理解

Scale-recurrent Network for Deep Image Deblurring 2018CVPR 腾讯优图出品 code [https://githu

悠悠/ 2022年05月06日 10:42/ 0 赞/ 177 阅读

相关超分：Image Super-Resolution Using Very Deep Residual Channel Attention Networks 阅读理解

这个超分效果，亲测不错,而且作者提出的残差注意网络方便实用。论文认为图像输入和特征中含有丰富的低频信息，这些信息在不同的信道中被平等对待，从而阻碍了cnn的表征能力，因此提

偏执的太偏执、/ 2022年04月03日 18:50/ 0 赞/ 214 阅读

相关 JPEG Image Super-Resolution via Deep Residual Network

基于深度残差网络的JPEG图像超分辨率 JPEG Image Super-Resolution via Deep Residual Network [![6836

秒速五厘米/ 2021年11月18日 01:08/ 0 赞/ 182 阅读