面向图像复原深度神经网络的训练块分析与挖掘技巧
图像与视频处理
2022-07-05 v1 计算机视觉与模式识别
摘要
基于深度卷积神经网络（CNN）的图像复原方法已不胜枚举。然而，该领域多数文献聚焦于网络架构与损失函数，对训练方法的细节着墨较少。因此，部分工作不易复现，因为需掌握隐藏的训练技巧方能得到相同结果。具体到训练数据集，鲜有工作探讨如何准备和排序训练图像块。此外，为真实场景训练复原网络而采集新数据集成本高昂。因而，我们认为有必要研究训练数据的准备与筛选。对此，我们给出了训练块的分析，并探究了不同块提取方法的后果。最终，我们提出了从给定训练图像中提取块的指导原则。
引用
@article{arxiv.2207.01075,
title = {Training Patch Analysis and Mining Skills for Image Restoration Deep Neural Networks},
author = {Jae Woong Soh and Nam Ik Cho},
journal= {arXiv preprint arXiv:2207.01075},
year = {2022}
}
备注
8 pages