从信号处理视角解读降噪卷积神经网络
计算机视觉与模式识别
2023-07-27 v1 机器学习
图像与视频处理
信号处理
摘要
编解码 CNN 在数据驱动的降噪中起着核心作用，并可见于众多深度学习算法中。然而，这些 CNN 架构的开发往往是临时性的，重要设计选择的理论基础普遍缺乏。迄今为止，已有不同相关著作力求解释这些 CNN 的内部运作。但这些观点要么分散，要么可能需要深厚专业知识才能被更广受众理解。为开拓这一令人兴奋的领域，本文基于深度卷积帧论建立直觉，并在统一理论框架下解释多样的 ED CNN 架构。通过将信号处理的基本原理与深度学习领域相连接，本自包含材料为设计稳健且高效的新颖 CNN 架构提供了重要指导。
引用
@article{arxiv.2307.13425,
title = {A signal processing interpretation of noise-reduction convolutional neural networks},
author = {Luis A. Zavala-Mondragón and Peter H. N. de With and Fons van der Sommen},
journal= {arXiv preprint arXiv:2307.13425},
year = {2023}
}
备注
This article is currently accepted in IEEE Signal Processing Magazine (SPM)