用于多任务图像处理的深度级联U-Net
计算机视觉与模式识别
2020-05-04 v1
摘要
在当前实践中，许多图像处理任务是顺序完成的（例如去噪、去雾，随后进行语义分割）。本文中，我们提出一种新颖的多任务神经网络架构，旨在组合顺序图像处理任务。我们通过为每个单独任务增加额外的解码路径来扩展U-Net，并探索从一个路径到另一个路径的输出的深度级联与连接性。我们在去噪与语义分割，以及渐进式由粗到细语义分割上展示了所提方法的有效性，并以更少的的可训练参数取得了优于多个独立或联合训练网络的性能。
引用
@article{arxiv.2005.00225,
title = {Deeply Cascaded U-Net for Multi-Task Image Processing},
author = {Ilja Gubins and Remco C. Veltkamp},
journal= {arXiv preprint arXiv:2005.00225},
year = {2020}
}
备注
6 pages, 6 figures