标签：convolution features ECCV Denoising 所示 模块 CNN block Network
当前基于CNN的图像去噪方法取得很大进展，但是 Traditional CNN can use only the features in local fixed-location neighborhoods, these methods result in oversmoothing artifacts and some details are lost. 此外，receptive field of a traditional CNN is relatively small.
为了解决这个问题，作者提出了spatial-adaptive denoising network （SADNet），总体架构如下图所示。首先使用一个卷积层得到 initial features，然后这些特征输入 multiscale encoder-decoder 网络中。在 encoder 中，使用 ResBlock 特征特征（去掉了 BN，使用 LeakyReLU）。在 decoder 中，设计了 residual spatial-adaptive block (RSAB) ，可以实现 sample and weight the related features to remove noise and reconstruct the textures.
RSAB模块如下图所示，是一个集成了 deformable convolution 的模块。
Context block： 作者指出，多尺度信息对于图像去噪任务来说非常关键，因此，当前方法多使用 downsampling 技术。但是，下采样过程中，图像结构被破坏了，不利于特征重建。为了增大感受野与获取多尺度信息的同时，又不破坏空间分辨率，作者引入了 context block，结构如下图所示。作者也指出，该模块已经在图像分割、去模糊中成功应用。该模块使用几个 dilated convolution with different dilation rates，这样可以在不增加参数以及破坏图像结构的前提下增大感受野。
标签：convolution,features,ECCV,Denoising,所示,模块,CNN,block,Network 来源： https://www.cnblogs.com/gaopursuit/p/14332639.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。