FSOINet：受特征空间优化启发的图像压缩感知网络
计算机视觉与模式识别
2022-04-13 v1
摘要
近年来，基于深度学习的图像压缩感知（ICS）方法取得了卓越成功。许多优化启发式网络被提出，将优化算法的思想引入网络结构设计，并以低计算复杂度实现了优异的重建质量。但它们如同传统算法一样在像素空间中保持信息流，通过在像素空间中更新和传递图像，未能充分利用图像特征中的信息。本文中，我们提出在特征空间中逐阶段实现信息流的思路，并设计受特征空间优化启发的网络（称为 FSOINet）通过将近端梯度下降算法的两步均从像素空间映射到特征空间来实现该思路。此外，采样矩阵与其他网络参数端到端联合学习。实验表明，所提 FSOINet 在定量与定性上均以较大优势优于现有最先进方法。源代码发布于 https://github.com/cwjjun/FSOINet。
引用
@article{arxiv.2204.05503,
title = {FSOINet: Feature-Space Optimization-Inspired Network for Image Compressive Sensing},
author = {Wenjun Chen and Chunling Yang and Xin Yang},
journal= {arXiv preprint arXiv:2204.05503},
year = {2022}
}
备注
ICASSP2022 accepted