大家好，歡迎來到我們的星球知識小卡片專欄，本期給大家分享圖像降噪相關的資源。

作者&編輯 | 言有三

1 基本的CNN降噪模型

圖像去噪模型的輸出是無噪聲的圖像，與輸入圖像大小相同，所以可以使用圖像分割一類的模型，即經典的基于跳層連接的卷積與反卷積對稱結構，優化目標為逐個像素的歐式距離損失。另外在信息處理領域中，學習信號的改變量往往比學習原始信號更加簡單，這被用于非常有效的殘差網絡。DnCNN模型借鑒了這個思路，它不是直接輸出去噪圖像，而是預測殘差圖像，即噪聲觀察和潛在的干凈圖像之間的差異。

2?噪聲數據生成

對于有監督的模型來說，真實的有噪聲和無噪聲成對圖像的獲取是將深度學習應用于去噪問題的關鍵，但是仿真數據集不夠真實，因此基于生成對抗網絡GAN生成真實噪聲是非常好的方式，值得重點關注。

3 自監督模型

獲取帶噪聲圖片和清晰圖片的成本非常高昂，那么是不是可以只使用含噪聲的圖像就訓練出好的去噪模型呢？Noise2Noise就是這樣一個框架，使用同一個場景的多張含噪聲圖像就能獲得好的結果。類似的還有基于單張圖進行學習的Deep image prior，Noise2Void等，它們的原理都是基于統計先驗知識。

4 復雜降噪任務

當然了，圖像降噪這個問題我們不能僅僅局限在一些很底層和傳統的噪聲理解，它本身可以覆蓋更多的應用，比如在計算機視覺領域中研究比較多的去雨算法，在相關研究中會使用到特定的模型以及注意力機制等方法，感興趣的可以去關注。

5 其他

總的來說，圖像降噪有一些重要的研究方向，包括：

(1) 噪聲水平的估計。

(2) 真實噪聲的合成。

(3) 不同圖像域噪聲的處理。

(4) 復雜真實噪聲的去除。

(5) 其他等。?

以上內容，如果你不想自己學習，可以去我們知識星球的網絡結構1000變板塊—圖像降噪閱讀。

有三AI知識星球

知識星球是有三AI的付費內容社區，里面包括各領域的模型學習，數據集下載，公眾號的付費圖文原稿，技術總結PPT和視頻，知識問答，書籍下載，項目推薦，線下活動等資源，了解詳細請閱讀以下文章：

【雜談】有三AI知識星球一周年了！為什么公眾號+星球才是完整的？

【雜談】有三AI知識星球指導手冊出爐！和公眾號相比又有哪些內容？

轉載文章請后臺聯系

侵權必究

往期精選

• 【星球知識卡片】殘差網絡家族10多個變種學習卡片，請收下！

• 【星球知識卡片】移動端高效率的分組網絡都發展到什么程度了？

• 【星球知識卡片】注意力機制發展如何了，如何學習它在各類任務中的應用？

• 【星球知識卡片】模型剪枝有哪些關鍵技術，如何對其進行長期深入學習

• 【星球知識卡片】模型量化的核心技術點有哪些，如何對其進行長期深入學習

• 【星球知識卡片】模型蒸餾的核心技術點有哪些，如何對其進行長期深入學習

• 【星球知識卡片】視頻分類與行為識別有哪些核心技術，對其進行長期深入學習

• 【星球知識卡片】圖像生成都有哪些核心技術，如何對其進行長期深入學習

• 【星球知識卡片】AutoML都有哪些核心技術，如何對其進行長期深入學習

• 【星球知識卡片】人臉屬性編輯都有哪些核心知識點，如何長期進行學習

• 【星球知識卡片】深度學習換臉算法都有哪些？如何長期進行學習

總結

以上是生活随笔為你收集整理的【星球知识卡片】深度学习图像降噪有哪些关键技术点，如何学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。