受外推近端梯度启发的非局部网络

变分方法和深度学习方法是计算机视觉中求解逆问题的两种主流且强大的方法。为结合先进优化算法与深度神经网络强大的表示能力，我们提出了一种用于图像重建的新型深度网络。该网络的架构受我们提出的加速外推近端梯度算法启发。它能够引入非局部操作以利用图像的非局部自相似性，并学习非线性变换，使得在该变换下解具有稀疏性。我们网络中的所有参数均通过最小化损失函数学习得到。实验结果表明，在可学习参数数量几乎相同的情况下，我们的网络优于若干最先进的深度网络。