一种具有多路径注意力的多头卷积神经网络用于改进图像去噪
计算机视觉与模式识别
2022-11-07 v2 机器学习
图像与视频处理
摘要
近年来，卷积神经网络（CNN）和注意力机制已广泛应用于图像去噪并取得了令人满意的性能。然而，以往的工作大多使用单头接收噪声图像，限制了所提取特征的丰富性。因此，本文提出了一种名为 MHCNN 的新型多头 CNN，其多个头将接收经过不同旋转角度旋转的输入图像。多头机制使 MHCNN 能够同时利用旋转图像的特征来去除噪声。为了有效整合这些特征，我们提出了一种新颖的多路径注意力机制（MPA）。与以往处理像素级、通道级或块级特征的注意力机制不同，MPA 聚焦于图像级特征。实验表明，MHCNN 在加性高斯白噪声（AWGN）去噪和真实世界图像去噪方面超越了其他最先进的 CNN 模型。其峰值信噪比（PSNR）结果高于其他网络，如 BRDNet、RIDNet、PAN-Net 和 CSANN。代码可在 https://github.com/JiaHongZ/MHCNN 获取。
引用
@article{arxiv.2204.12736,
title = {A Multi-Head Convolutional Neural Network With Multi-path Attention improves Image Denoising},
author = {Jiahong Zhang and Meijun Qu and Ye Wang and Lihong Cao},
journal= {arXiv preprint arXiv:2204.12736},
year = {2022}
}