• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Lightweight Pyramid Networks for Image Deraining
【24h】

Lightweight Pyramid Networks for Image Deraining

机译：轻量级金字塔网络用于图像派生

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Existing deep convolutional neural networks (CNNs) have found major success in image deraining, but at the expense of an enormous number of parameters. This limits their potential applications, e.g., in mobile devices. In this paper, we propose a lightweight pyramid networt (LPNet) for single-image deraining. Instead of designing a complex network structure, we use domain-specific knowledge to simplify the learning process. In particular, we find that by introducing the mature Gaussian-Laplacian image pyramid decomposition technology to the neural network, the learning problem at each pyramid level is greatly simplified and can be handled by a relatively shallow network with few parameters. We adopt recursive and residual network structures to build the proposed LPNet, which has less than 8K parameters while still achieving the state-of-the-art performance on rain removal. We also discuss the potential value of LPNet for other low- and high-level vision tasks.
机译：现有的深度卷积神经网络（CNNS）在图像派威中发现了主要成功，但以巨大数量的参数为代价。这限制了它们的潜在应用，例如在移动设备中。在本文中，我们提出了一种轻量级金字塔NetWort（LPNET），用于单像映像。我们使用特定于域的知识来简化学习过程而不是设计复杂的网络结构。特别地，我们发现，通过向神经网络引入成熟的高斯 - 拉普拉斯图像金字塔分解技术，大大简化了每个金字塔级别的学习问题，并且可以通过相对浅的网络处理很少的参数。我们采用递归和剩余网络结构来构建所提出的LPNET，其参数低于8K参数，同时仍然在雨中达到最先进的性能。我们还讨论了LPNET的潜在价值，用于其他低级和高级视觉任务。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号