基于结构相似性损失的压缩感知算子深度学习
图像与视频处理
2019-06-26 v1 计算机视觉与模式识别
机器学习
摘要
压缩感知（CS）是一种信号处理框架，用于从通过信号线性投影获得的少量测量中高效重建信号。本文提出一种端到端深度学习方法用于 CS，其中全连接网络同时执行线性感知与非线性重建阶段。在训练阶段，感知矩阵与非线性重建算子使用结构相似性指数（SSIM）作为损失而非标准均方误差（MSE）损失进行联合优化。我们在两种损失下，即 SSIM 分数与 MSE 分数，就重建质量与最先进方法进行比较。
引用
@article{arxiv.1906.10411,
title = {Deep Learning of Compressed Sensing Operators with Structural Similarity Loss},
author = {Yochai Zur and Amir Adler},
journal= {arXiv preprint arXiv:1906.10411},
year = {2019}
}