用于成像逆问题的卷积神经网络综述
图像与视频处理
2018-09-11 v1 计算机视觉与模式识别
摘要
在这篇综述论文中，我们回顾了卷积神经网络（CNNs）近期在解决成像逆问题中的应用。近来，在大型图像数据库上训练深度CNN已成为可行，并且它们在目标分类和分割任务上展现了出色的性能。受这些成功启发，研究者已开始将CNN应用于诸如去噪、去卷积、超分辨率和医学图像重建等逆问题的求解，并且开始报告相对于最先进方法（包括基于稀疏性的技术如压缩感知）的改进。在此，我们回顾这些领域的近期实验工作，重点关注关键的设计决策：训练数据从何而来？CNN的架构是什么？学习问题如何表述与求解？我们还汇集了几篇关键的理论论文，它们提供了关于为何CNN适用于逆问题的视角，并指出了该领域的一些后续步骤。
引用
@article{arxiv.1710.04011,
title = {A Review of Convolutional Neural Networks for Inverse Problems in Imaging},
author = {Michael T. McCann and Kyong Hwan Jin and Michael Unser},
journal= {arXiv preprint arXiv:1710.04011},
year = {2018}
}