用于图像去噪的带有全变差的 ELU 网络
计算机视觉与模式识别
2017-08-16 v1
摘要
在本文中，我们提出了一种用于图像去噪的新型卷积神经网络 (CNN)，它使用指数线性单元 (ELU) 作为激活函数。我们通过分析 ELU 与可训练非线性反应扩散模型 (TNRD) 和残差去噪之间的联系，研究了其适用性。另一方面，批归一化 (BN) 对于残差去噪和收敛目的是必不可少的。然而，直接堆叠 BN 和 ELU 会降低 CNN 的性能。为了缓解这一问题，我们设计了一种激活层与归一化层的创新组合，以开发和利用 ELU 网络，并讨论了相应的基本原理。此外，受最小化全变差 (TV) 可应用于图像去噪这一事实的启发，我们提出了一种 TV 正则化 L2 损失，用于评估迭代过程中的训练效果。最后，我们进行了大量实验，结果表明我们的模型在针对灰度图像和彩色图像的具有特定或随机噪声水平的高斯去噪上，优于近期一些流行的方法。
引用
@article{arxiv.1708.04317,
title = {An ELU Network with Total Variation for Image Denoising},
author = {Tianyang Wang and Zhengrui Qin and Michelle Zhu},
journal= {arXiv preprint arXiv:1708.04317},
year = {2017}
}
备注
10 pages, Accepted by the 24th International Conference on Neural Information Processing (2017)