用于图像去雨的轻量级金字塔网络
计算机视觉与模式识别
2018-05-17 v1
摘要
现有的深度卷积神经网络在图像去雨方面取得了重大成功，但代价是参数量巨大。这限制了它们的潜在应用，例如在移动设备上。本文提出一种用于单幅图像去雨的轻量级网络金字塔（LPNet）。我们没有设计复杂的网络结构，而是利用领域特定知识来简化学习过程。具体而言，我们发现将成熟的 Gaussian-Laplacian 图像金字塔分解技术引入神经网络后，每个金字塔层级的学习问题被极大简化，并可由参数很少的相对较浅的网络处理。我们采用递归与残差网络结构来构建所提出的 LPNet，其参数量少于 8K，同时在去雨方面仍达到 state-of-the-art 性能。我们还讨论了 LPNet 在其他低层与高层视觉任务中的潜在价值。
引用
@article{arxiv.1805.06173,
title = {Lightweight Pyramid Networks for Image Deraining},
author = {Xueyang Fu and Borong Liang and Yue Huang and Xinghao Ding and John Paisley},
journal= {arXiv preprint arXiv:1805.06173},
year = {2018}
}
备注
submitted to IEEE Transactions on Neural Networks and Learning Systems