S-Net：一种用于 JPEG 压缩伪影去除的可扩展卷积神经网络
计算机视觉与模式识别
2019-07-24 v1
摘要
近期研究使用深度残差卷积神经网络（CNN）进行 JPEG 压缩伪影去除。本研究提出一种称为 S-Net 的可扩展 CNN。我们的方法在多任务系统中动态调整网络规模，以极少性能损失实现实时运行。它提供了一种简单直接的技术来评估随网络深度增加而获得的性能增益，并有助于移除冗余网络层以最大化网络效率。我们使用 Keras 框架与 TensorFlow 后端在 NVIDIA K80 GPU 服务器上实现我们的架构。我们在 DIV2K 数据集上训练模型，并在公开基准数据集上评估其性能。为验证所提方法的通用性与普适性，我们创建并使用了称为 WIN143 的新数据集用于过度处理图像评估。实验结果表明，我们提出的方法优于其他基于 CNN 的方法并达到了最先进（SOTA）性能。
引用
@article{arxiv.1810.07960,
title = {S-Net: A Scalable Convolutional Neural Network for JPEG Compression Artifact Reduction},
author = {Bolun Zheng and Rui Sun and Xiang Tian and Yaowu Chen},
journal= {arXiv preprint arXiv:1810.07960},
year = {2019}
}
备注
accepted by Journal of Electronic Imaging