論文の概要: A Model-driven Deep Neural Network for Single Image Rain Removal

• arxiv url: http://arxiv.org/abs/2005.01333v1
• Date: Mon, 4 May 2020 09:13:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 01:33:44.049094
• Title: A Model-driven Deep Neural Network for Single Image Rain Removal
• Title（参考訳）: モデル駆動型深層ニューラルネットワークによる単一画像雨除去
• Authors: Hong Wang, Qi Xie, Qian Zhao, Deyu Meng
• Abstract要約: 完全解釈可能なネットワーク構造を持つモデル駆動型ディープニューラルネットワークを提案する。 雨を表現するための畳み込み辞書学習機構に基づいて,新しい単一画像デレーニングモデルを提案する。 すべてのレインカーネルとオペレータは自動的に抽出され、レイン層とクリーンなバックグラウンド層の両方の特徴を忠実に特徴付けることができる。
• 参考スコア（独自算出の注目度）: 52.787356046951494
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning (DL) methods have achieved state-of-the-art performance in the task of single image rain removal. Most of current DL architectures, however, are still lack of sufficient interpretability and not fully integrated with physical structures inside general rain streaks. To this issue, in this paper, we propose a model-driven deep neural network for the task, with fully interpretable network structures. Specifically, based on the convolutional dictionary learning mechanism for representing rain, we propose a novel single image deraining model and utilize the proximal gradient descent technique to design an iterative algorithm only containing simple operators for solving the model. Such a simple implementation scheme facilitates us to unfold it into a new deep network architecture, called rain convolutional dictionary network (RCDNet), with almost every network module one-to-one corresponding to each operation involved in the algorithm. By end-to-end training the proposed RCDNet, all the rain kernels and proximal operators can be automatically extracted, faithfully characterizing the features of both rain and clean background layers, and thus naturally lead to its better deraining performance, especially in real scenarios. Comprehensive experiments substantiate the superiority of the proposed network, especially its well generality to diverse testing scenarios and good interpretability for all its modules, as compared with state-of-the-arts both visually and quantitatively. The source codes are available at \url{https://github.com/hongwang01/RCDNet}.
• Abstract（参考訳）: 深層学習 (DL) 法は, 単画像降雨除去作業において最先端の性能を達成した。 しかし、現在のDLアーキテクチャのほとんどは、十分な解釈性がなく、一般的な雨天内部の物理的構造と完全に統合されていない。 本稿では,完全解釈可能なネットワーク構造を有するモデル駆動型深層ニューラルネットワークを提案する。 具体的には,雨を表現するための畳み込み辞書学習機構に基づいて,新しい単一画像レーダモデルを提案し,近位勾配降下法を用いて,モデルを解くための単純な演算子のみを含む反復アルゴリズムを設計する。 このような単純な実装方式により、雨畳み込み辞書ネットワーク (RCDNet) と呼ばれる新しいディープネットワークアーキテクチャへと展開し、ほぼ全てのネットワークモジュールがアルゴリズムに関わる各操作に対応している。 提案したRCDNetをエンドツーエンドにトレーニングすることで、雨カーネルと近位演算子をすべて自動抽出し、雨層と清潔な背景層の特徴を忠実に特徴付けることができる。 包括的な実験は、ネットワークの優越性、特に、様々なテストシナリオに対する優れた一般性、およびすべてのモジュールに対する優れた解釈性を、視覚的および定量的に比較している。 ソースコードは \url{https://github.com/hongwang01/rcdnet} で入手できる。

関連論文リスト

• Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
  画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。 本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。 本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T21:06:13Z)
• KXNet: A Model-Driven Deep Neural Network for Blind Super-Resolution [57.882146858582175]
  我々は、ブラインドSISRのためのモデル駆動型ディープニューラルネットワークKXNetを提案する。 提案されたKXNetは、SISRタスクの根底にある固有の物理的メカニズムと完全に統合されている。 合成データおよび実データを用いた実験は,提案手法の精度と汎用性を良好に証明する。
  論文  参考訳（メタデータ） (2022-09-21T12:22:50Z)
• Multi-scale Attentive Image De-raining Networks via Neural Architecture Search [23.53770663034919]
  我々は,画像デラリニングのための高性能なマルチスケール注意型ニューラルネットワーク探索(MANAS)フレームワークを開発した。 提案手法は,画像デライニング作業に好適な複数のフレキシブルモジュールを備えた,新しいマルチスケールアテンション検索空間を定式化する。 ディライニングネットワークの内部マルチスケール注意アーキテクチャは、勾配に基づく探索アルゴリズムによって自動的に探索される。
  論文  参考訳（メタデータ） (2022-07-02T03:47:13Z)
• Adaptive Convolutional Dictionary Network for CT Metal Artifact Reduction [62.691996239590125]
  本稿では,金属人工物削減のための適応畳み込み辞書ネットワーク(ACDNet)を提案する。 我々のACDNetは、トレーニングデータを介して、アーティファクトフリーCT画像の事前を自動で学習し、入力されたCT画像ごとに表現カーネルを適応的に調整することができる。 本手法は,モデルに基づく手法の明確な解釈可能性を継承し,学習に基づく手法の強力な表現能力を維持する。
  論文  参考訳（メタデータ） (2022-05-16T06:49:36Z)
• Unsupervised Image Deraining: Optimization Model Driven Deep CNN [24.06511813683977]
  実雨除去のための一般化と表現のメリットを継承する統一的な教師なし学習フレームワークを提案する。 提案するネットワーク上で,最適化モデルの教師なし損失関数を適用可能な最適化モデル駆動深度CNNを設計する。 ネットワークのアーキテクチャは、より優れた特徴表現を備えた最適化モデルの主要な役割を模倣する。
  論文  参考訳（メタデータ） (2022-03-25T15:13:52Z)
• Online-updated High-order Collaborative Networks for Single Image Deraining [51.22694467126883]
  単一画像のデライン化は、ビデオ監視や自動運転システムなど、下流の人工知能アプリケーションにとって重要なタスクである。 マルチスケールのコンパクトな制約と双方向のスケール・コンテント類似性マイニングモジュールを備えた高階協調ネットワークを提案する。 提案手法は,5つの公開合成と1つの実世界のデータセットに対して,11の最先端手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-02-14T09:09:08Z)
• SAPNet: Segmentation-Aware Progressive Network for Perceptual Contrastive Deraining [2.615176171489612]
  単一画像のデライニングのためのコントラスト学習に基づくセグメンテーション・アウェア・プログレッシブ・ネットワーク(SAPNet)を提案する。 本モデルでは,オブジェクト検出とセマンティックセマンティックセグメンテーションを高い精度で支援する。
  論文  参考訳（メタデータ） (2021-11-17T03:57:11Z)
• RCDNet: An Interpretable Rain Convolutional Dictionary Network for Single Image Deraining [49.99207211126791]
  雨畳み込み辞書ネットワーク(RCDNet)と呼ばれる,新しい深層アーキテクチャを具体的に構築する。 RCDNetは雨害の本質的な先行を埋め込んでおり、明確な解釈性を持っている。 このような解釈可能なネットワークをエンドツーエンドにトレーニングすることにより、関連するすべてのレインカーネルと近位演算子を自動的に抽出することができる。
  論文  参考訳（メタデータ） (2021-07-14T16:08:11Z)
• Exploring Overcomplete Representations for Single Image Deraining using CNNs [0.0]
  最新の手法では、ディープネットワークを使用して、初期層をまたいだ低レベルの特徴と、ディープ層における高レベルの特徴をキャプチャする。 本稿では,局所構造学習に特に注目するオーバーコンプリート畳み込みネットワークアーキテクチャを提案する。 私たちはそれをU-Netと組み合わせて、低レベルの機能に注力しながら、グローバルな構造に負けないようにしています。
  論文  参考訳（メタデータ） (2020-10-20T22:55:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。