論文の概要: DCT2net: an interpretable shallow CNN for image denoising

• arxiv url: http://arxiv.org/abs/2107.14803v1
• Date: Sat, 31 Jul 2021 09:58:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-02 13:05:23.520173
• Title: DCT2net: an interpretable shallow CNN for image denoising
• Title（参考訳）: DCT2net:画像復調のための解釈可能な浅層CNN
• Authors: S\'ebastien Herbreteau and Charles Kervrann
• Abstract要約: この研究は、よく知られたDCT画像復調アルゴリズムに焦点をあてて、画像からのノイズ除去の問題に取り組む。 ディープ畳み込みニューラルネットワーク(CNN)は従来のニューラルネットワークよりも優れており、信号処理方法の魅力が低下している。 人工ノイズ画像の実験では、2層DCT2netがBM3Dに匹敵する結果を示し、DnCNNアルゴリズムは10以上の層で構成されている。
• 参考スコア（独自算出の注目度）: 4.7718339202518685
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This work tackles the issue of noise removal from images, focusing on the well-known DCT image denoising algorithm. The latter, stemming from signal processing, has been well studied over the years. Though very simple, it is still used in crucial parts of state-of-the-art "traditional" denoising algorithms such as BM3D. Since a few years however, deep convolutional neural networks (CNN) have outperformed their traditional counterparts, making signal processing methods less attractive. In this paper, we demonstrate that a DCT denoiser can be seen as a shallow CNN and thereby its original linear transform can be tuned through gradient descent in a supervised manner, improving considerably its performance. This gives birth to a fully interpretable CNN called DCT2net. To deal with remaining artifacts induced by DCT2net, an original hybrid solution between DCT and DCT2net is proposed combining the best that these two methods can offer; DCT2net is selected to process non-stationary image patches while DCT is optimal for piecewise smooth patches. Experiments on artificially noisy images demonstrate that two-layer DCT2net provides comparable results to BM3D and is as fast as DnCNN algorithm composed of more than a dozen of layers.
• Abstract（参考訳）: この研究は、よく知られたDCT画像復調アルゴリズムに着目し、画像からのノイズ除去の問題に取り組む。 後者は信号処理に由来するもので、長年にわたってよく研究されてきた。 非常に単純であるが、現在でもbm3dのような最先端の「伝統的な」デノイジングアルゴリズムの重要な部分で使われている。 しかし数年前から、深層畳み込みニューラルネットワーク(cnn)は従来のニューラルネットワークよりも優れており、信号処理手法は魅力的ではない。 本稿では,DCTデノイザを浅いCNNと見なすことができ,その元の線形変換を教師付き方式で勾配降下により調整し,性能を大幅に向上させることができることを示す。 これにより、DCT2netと呼ばれる完全に解釈可能なCNNが誕生する。 DCT2netによって引き起こされる残った遺物に対処するため,DCTとDCT2netのハイブリッドソリューションが提案され,DCT2netは静止しない画像パッチを処理するために選択され,DCTはスムーズなパッチに最適である。 人工ノイズ画像の実験では、2層DCT2netがBM3Dに匹敵する結果を示し、DnCNNアルゴリズムは1ダース以上の層で構成されている。

関連論文リスト

• WIA-LD2ND: Wavelet-based Image Alignment for Self-supervised Low-Dose CT Denoising [74.14134385961775]
  我々は, NDCTデータのみを用いて, WIA-LD2NDと呼ばれる新しい自己監督型CT画像復調法を提案する。 WIA-LD2ND は Wavelet-based Image Alignment (WIA) と Frequency-Aware Multi-scale Loss (FAM) の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2024-03-18T11:20:11Z)
• A cross Transformer for image denoising [83.68175077524111]
  直列ブロック(SB)、並列ブロック(PB)、残留ブロック(RB)を備えたクロストランスフォーマー(CTNet)を提案する。 CTNetは、実画像や合成画像のデノナイジングにおいて、一般的なデノナイジング法よりも優れている。
  論文  参考訳（メタデータ） (2023-10-16T13:53:19Z)
• Self-supervised Noise2noise Method Utilizing Corrupted Images with a Modular Network for LDCT Denoising [9.794579903055668]
  ディープラーニングは低線量CT(LDCT)画像復調のための有望な手法である。 従来のディープラーニング手法では、ペア化されたノイズとクリーンなデータセットが必要です。 本稿では,LDCTデータのみを用いてLDCT画像の復調を行う新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-08-13T11:26:56Z)
• Deep learning network to correct axial and coronal eye motion in 3D OCT retinal imaging [65.47834983591957]
  深層学習に基づくニューラルネットワークを用いて,OCTの軸運動とコロナ運動のアーチファクトを1つのスキャンで補正する。 実験結果から, 提案手法は動作アーチファクトを効果的に補正し, 誤差が他の方法よりも小さいことを示す。
  論文  参考訳（メタデータ） (2023-05-27T03:55:19Z)
• Self Supervised Low Dose Computed Tomography Image Denoising Using Invertible Network Exploiting Inter Slice Congruence [20.965610734723636]
  LDCT画像とNDCT画像のペア化の必要性を軽減するために, 自己監督型低用量CTデノベーション法を提案する。 我々は、ノイズスライスと隣接する2つのノイズスライスの平均の2乗距離を最小化するために、可逆ニューラルネットワークを訓練した。
  論文  参考訳（メタデータ） (2022-11-03T07:16:18Z)
• Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
  視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。 本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。 実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
  論文  参考訳（メタデータ） (2022-10-26T15:21:39Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• Unsupervised Denoising of Optical Coherence Tomography Images with Dual_Merged CycleWGAN [3.3909577600092122]
  そこで我々は,網膜CT画像復調のためのDual-Merged Cycle-WGANと呼ばれる新しいサイクル一貫性生成適応ネットを提案する。 本モデルでは,2つのCycle-GANネットワークとデクリミネータとワッセルシュタイン損失を併用して,優れたトレーニング安定性と性能を実現する。
  論文  参考訳（メタデータ） (2022-05-02T07:38:19Z)
• Deep neural networks-based denoising models for CT imaging and their efficacy [0.3058685580689604]
  我々は,低用量CT画像の総合的な視点から,Deep Neural Networks (DNN) の結果の画質を検討することを目的とする。 我々は、DnCNN、U-Net、Red-Net、GANなどの先進的なDNN記述アーキテクチャのライブラリを構築します。 各ネットワークは、PSNRとSSIMの点で最高のパフォーマンスが得られるように、トレーニングされただけでなくモデル化されている。
  論文  参考訳（メタデータ） (2021-11-18T06:18:26Z)
• Learning a Model-Driven Variational Network for Deformable Image Registration [89.9830129923847]
  VR-Netは、教師なしの変形可能な画像登録のための新しいカスケード可変ネットワークである。 登録精度において最先端のディープラーニング手法よりも優れています。 ディープラーニングの高速推論速度と変分モデルのデータ効率を維持している。
  論文  参考訳（メタデータ） (2021-05-25T21:37:37Z)

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。