基于卷积神经网络的图像复原问题自委员会方法

已有许多使用卷积神经网络 (CNN) 的判别学习方法用于若干图像复原问题，其学习从退化输入到干净输出的映射函数。在本文中，我们提出一种自委员会方法，可通过对训练好的 CNN 以不同但相关的输入进行多次尝试来获得增强的复原结果。具体而言，注意到当输入经可逆变换变换时，CNN 有时会找到不同的映射函数，从而产生与原始输出不同但相关的输出。因此，如对若干不同变换输入的输求平均可增强结果，这已被网络委员会方法所证实。与需要多个网络的传统委员会方法不同，所提方法仅需单个网络。实验结果表明，增加一个额外的变换作为委员会在图像去噪和单图像超分辨率问题上总能带来额外的增益。