基于不精确训练数据的深度学习图像复原
计算机视觉与模式识别
2018-11-20 v1
摘要
在深度学习的许多应用中，尤其是图像复原领域，要么极难、成本过高，要么根本无法获得与现实世界完全一致的成对训练数据。在此类情况下，被迫使用合成的成对数据来训练深度卷积神经网络（DCNN）。然而，由于统计学习中不可避免的泛化误差，合成训练的 DCNN 在真实世界数据上往往表现不佳。为克服该问题，我们提出一种新的通用训练方法，可在很大程度上补偿合成训练 DCNN 的泛化误差。
引用
@article{arxiv.1811.07268,
title = {Deep Learning with Inaccurate Training Data for Image Restoration},
author = {Bolin Liu and Xiao Shu and Xiaolin Wu},
journal= {arXiv preprint arXiv:1811.07268},
year = {2018}
}