×

DnCNN公司

swMATH ID: 39678
软件作者: 张凯、左望萌、陈云锦、孟德玉、张磊
描述: 超越高斯去噪器:用于图像去噪的深度CNN的残差学习。用于图像去噪的判别模型学习因其良好的去噪性能而受到广泛关注。在本文中,我们通过研究前馈去噪卷积神经网络(DnCNNs)的构造向前迈出了一步,以将非常深入的结构、学习算法和正则化方法的进展融入图像去噪。具体来说,利用残差学习和批处理归一化来加快训练过程并提高去噪性能。与现有的区分性去噪模型不同,该模型通常针对特定的加性高斯白噪声(AWGN)在一定的噪声水平下训练特定的模型,我们的DnCNN模型能够处理未知噪声水平下的高斯去噪(即盲高斯去噪)。利用残差学习策略,DnCNN隐式地去除隐藏层中潜在的干净图像。这一特性促使我们训练单个DnCNN模型来处理几种常见的图像去噪任务,如高斯去噪、单图像超分辨率和JPEG图像去块。我们的大量实验表明,我们的DnCNN模型不仅可以在一些常见的图像去噪任务中表现出高效性,而且还可以通过GPU计算有效地实现。
主页: https://paperswithcode.com/paper/beyond-a-gaussian-denoiser-residual-learning
源代码:  https://github.com/cszn/DnCNN
相关软件: FFD网络;亚当;ImageNet公司;BSDS公司;AlexNet公司;掌中宽带;联合国后勤基地;ISTA-Net公司;BM3D公司;RecPF公司;FSIM公司;TensorFlow公司;MemNet网站;github;脉冲;网络电话;深度RED;PyTorch公司;Deep Adverserial正则化器;MNIST公司
引用于: 60文件
全部的 前5名

212位作者引用

2 安德烈斯·阿尔曼萨
2 郭志昌
2 艾萨姆·哈德里
2 阿明·拉赫里布
2 李芳
2 陆健
2 马塞洛·佩雷拉
2 Jean-Christophe佩斯克
2 姚文娟
2 Ye,Jong Chul先生
2 左、王蒙
1 非洲,莱克比尔
1 尤恩·奥尔特曼
1 克里斯托夫·阿恩斯(Christoph H.Arns)。
1 阿恩斯、吉英
1 Jean-François Aujol
1 阿米尔·Z·阿弗布奇。
1 Aviles-Rivero,Angelica I。
1 白瑞祥
1 卡拉·伯托奇
1 查尔斯·鲍曼(Charles A.Bouman)。
1 莱昂·邦格特
1 格雷戈里·巴扎德(Gregery T.Buzzard)。
1 可以,阿里
1 Eunju Cha
1 Stanley H.Chan。
1 Bhabatosh昌达
1 张丽文
1 陈宝
1 陈一婷
1 陈云锦
1 陈云梅
1 艾米莉·卓泽诺(Emilie Chouzenoux)
1 布莱恩·亚历山大·克利福德
1 科恩,雷格夫
1 玛丽·卡罗琳·科尔比诺
1 迈克·戴维斯(Mike E.Davies)。
1 瓦伦丁·德博托利
1 查尔斯·阿尔班·德雷达尔
1 朱莉·德隆
1 洛伊奇丹尼斯
1 戴伊,莫妮·尚卡尔
1 丁、孟
1 丁晓华
1 多夫甘奇,A.A。
1 德雷夫斯,雅各布
1 阿兰·杜尔姆斯
1 苏巴吉特·杜塔
1 亚历山大·埃夫兰
1 迈克尔·埃拉德
1 范林伟
1 范雪泉
1 范宇伟
1 费、伦克
1 冯向初
1 冯亚元
1 阿利森·弗莱彻。
1 雅克·弗罗门特
1 傅莹
1 吉尔博亚,盖伊
1 吉瑞斯,拉贾
1 格拉玛,离子G。
1 恩里科·吉拉德
1 郭振飞
1 郭宗明
1 埃斯特·海特·弗伦克尔
1 阿卜杜拉·哈基姆
1 韩,Yoseob
1 乔纳森·豪泽
1 约翰内斯·赫特里奇
1 侯瑞芝
1 胡海娟
1 华,珍
1 黄朝燕
1 黄廷珠
1 雅各布、马修斯
1 贾志刚
1 姜浩
1 江楠
1 金、梁海
1 Jin、Qiyu
1 金、郑蒙
1 普鲁肖塔姆·卡尔
1 埃里希·科布勒
1 安德烈·谢尔德谢维奇·克利洛夫
1 Kwong,Sam山姆
1 雷米·劳蒙特
1 雷振坤
1 迈克尔·雷克萨(Michael A.Lexa)。
1 李惠玉
1 李,贾
1 李蓉
1 李小平
1 李晓瑞
1 李占山
1 梁、胡
1 梁静伟
1 廖,Jan-Ray
1 林嘉文
1 林,林
…还有112位作者

按年份列出的引文