基于特征注意力的真实图像去噪
计算机视觉与模式识别
2020-03-24 v2 机器学习
摘要
深度卷积神经网络在包含空间不变噪声（合成噪声）的图像上表现更好；然而，它们在真实噪声照片上的性能有限，且需要多阶段网络建模。为了提升去噪算法的实用性，本文提出一种新颖的单阶段盲真实图像去噪网络（RIDNet），采用模块化架构。我们使用残差上的残差结构以缓解低频信息流动，并应用特征注意力来利用通道依赖性。此外，在三个合成和四个真实噪声数据集上针对19种最先进算法进行的定量指标与视觉质量评估，证明了我们的RIDNet的优越性。
引用
@article{arxiv.1904.07396,
title = {Real Image Denoising with Feature Attention},
author = {Saeed Anwar and Nick Barnes},
journal= {arXiv preprint arXiv:1904.07396},
year = {2020}
}
备注
Accepted in ICCV (Oral), 2019