Deep-URL：基于深度展开Richardson-Lucy网络的模型感知盲去卷积方法
计算机视觉与模式识别
2022-08-10 v3 机器学习
摘要
当前深度学习模型缺乏可解释性，在它们被广泛用于各种生命关键应用时引起了严重担忧。因此，开发可解释的深度学习模型至关重要。在本文中，我们考虑盲去卷积问题，并提出一种新颖的模型感知深度架构，该架构允许从模糊图像中恢复模糊核和清晰图像。具体而言，我们提出深度展开Richardson-Lucy（Deep-URL）框架——一种可解释深度学习架构，可视为经典估计技术与深度神经网络的融合，从而带来性能提升。我们的数值研究证明了相较于最先进算法的显著改进。
引用
@article{arxiv.2002.01053,
title = {Deep-URL: A Model-Aware Approach To Blind Deconvolution Based On Deep Unfolded Richardson-Lucy Network},
author = {Chirag Agarwal and Shahin Khobahi and Arindam Bose and Mojtaba Soltanalian and Dan Schonfeld},
journal= {arXiv preprint arXiv:2002.01053},
year = {2022}
}
备注
Accepted. 27th IEEE International Conference on Image Processing (ICIP), 2020