基于带直接注意力的 CNN-LSTM 编解码器的图像去噪与复原
机器学习
2018-01-17 v1 计算机视觉与模式识别
摘要
图像去噪一直是计算机视觉与图像处理领域的挑战性任务。本文提出了一种带直接注意力的编解码器模型，能够去噪并重建高度损坏的图像。我们的模型由编码器和解码器组成，其中编码器为卷积神经网络，解码器为多层的长短期记忆网络。在所提模型中，编码器读取图像并捕捉该图像的抽象表示为一个向量，解码器以该向量及损坏图像作为输入来重建干净图像。我们在 MNIST 手写数字数据库上训练模型，将每幅图像的下半部分置黑并叠加噪声。在图像遭到严重破坏、人类难以理解其内容时，我们的模型能以最小误差恢复图像。我们将所提模型与卷积编解码器进行比较，结果表明我们的模型在生成图像缺失部分方面优于卷积自编码器。
引用
@article{arxiv.1801.05141,
title = {Image denoising and restoration with CNN-LSTM Encoder Decoder with Direct Attention},
author = {Kazi Nazmul Haque and Mohammad Abu Yousuf and Rajib Rana},
journal= {arXiv preprint arXiv:1801.05141},
year = {2018}
}