基于LSTM的深度CNN图像去噪元优化
图像与视频处理
2021-07-15 v1 人工智能
机器学习
摘要
深度学习（DL）近期在各种任务上的应用已使其性能超越经典的对应技术。因此，DL同样被应用于图像噪声去除。特别地，深度前馈卷积神经网络（DnCNNs）已被研究用于去噪。它利用深度架构、残差学习和批量归一化等DL技术进展，相较于其他经典最先进去噪算法取得更好去噪性能。然而，其深度架构导致大量可训练参数。元优化是一种使算法能够自我学习训练的训练方法。使用元优化器训练算法已被证明能使算法取得比基于经典梯度下降的训练方法更好的性能。在本工作中，我们研究将元优化训练方法应用于DnCNN去噪算法以增强其去噪能力。我们在较简单算法上的初步实验揭示了利用元优化训练方法增强DnCNN去噪能力的前景。
引用
@article{arxiv.2107.06845,
title = {Meta-Optimization of Deep CNN for Image Denoising Using LSTM},
author = {Basit O. Alawode and Motaz Alfarraj},
journal= {arXiv preprint arXiv:2107.06845},
year = {2021}
}