用于非光滑非凸图像重建的可学习下降算法
计算机视觉与模式识别
2022-09-07 v5
摘要
我们提出一种基于学习的通用框架，用于求解非光滑非凸图像重建问题。我们将正则化函数建模为范数与一个光滑但非凸特征映射的复合，该映射以深度卷积神经网络参数化。我们利用Nesterov平滑技术与残差学习思想，开发了可证明收敛的下降型算法来求解该非光滑非凸最小化问题，并学习网络参数使算法输出与训练数据中的参考一致。我们的方法具有通用性，因可将多种现代网络结构引入正则化，且所得网络继承了算法的收敛保证。我们还表明所提网络参数高效，且在多种实际图像重建问题中性能优于SOTA方法。
引用
@article{arxiv.2007.11245,
title = {Learnable Descent Algorithm for Nonsmooth Nonconvex Image Reconstruction},
author = {Yunmei Chen and Hongcheng Liu and Xiaojing Ye and Qingchao Zhang},
journal= {arXiv preprint arXiv:2007.11245},
year = {2022}
}