面向图像压缩感知的快速分层深度展开网络
计算机视觉与模式识别
2022-08-04 v1 图像与视频处理
摘要
通过将特定优化求解器与深度神经网络相结合，深度展开网络（DUN）近年来在图像压缩感知（CS）中备受关注。然而，现有 DUN 仍存在若干问题：1）每次迭代通常采用简单的堆叠卷积网络，这显然限制了模型的表达能力。2）一旦训练完成，现有 DUN 的大多数超参数对任何输入内容都是固定的，显著削弱了其适应性。本文通过展开快速迭代收缩阈值算法（FISTA），提出一种新颖的快速分层 DUN，称为 FHDUN，用于图像压缩感知，其中设计了精心构建的分层展开架构，以在多尺度空间中协同探索更丰富的上下文先验信息。为进一步增强适应性，我们在框架中开发了一系列超参数生成网络，根据输入内容动态生成相应的最优超参数。此外，得益于 FISTA 中的加速策略，新嵌入的加速模块使所提 FHDUN 相比近期 DUN 节省了超过 50% 的迭代轮数。大量 CS 实验表明，所提 FHDUN 在保持更少迭代次数的同时，优于现有最先进的 CS 方法。
引用
@article{arxiv.2208.01827,
title = {Fast Hierarchical Deep Unfolding Network for Image Compressed Sensing},
author = {Wenxue Cui and Shaohui Liu and Debin Zhao},
journal= {arXiv preprint arXiv:2208.01827},
year = {2022}
}
备注
Accepted by ACM MM 2022