论文理解：“Designing and training of a dual CNN for image denoising“

译：用于图像去噪的双CNN的设计与训练

-- Knowledge-Based Systems -- 2021

---

目录

一、引言

二、方法

2.1、网络结构

2.2、损失函数

三、实验结果

---

一、引言

模型：y=x+v

其中y为噪声图像，x为干净图像，v为噪声。

本文的去噪模型DudeNet包括四个模块：特征提取块(FEB)、增强块(EB)、压缩块(CB)和重构块(RB)。

二、方法

2.1、网络结构

        具体结构如图2所示，作者的思想是设计一种基于稀疏机制的FEB，以提取不同的特征，同时减小网络深度。EB通过融合两个子网络的特征来增强提取的特征，这对被未知类型的噪声损坏的图像特别有用，例如许多真实世界的损坏图像和盲噪声。CB对网络进行压缩，以降低计算成本。最后，利用RB重建干净的图像。

2.2、损失函数

三、实验结果

代码：https://github.com/hellloxiaotian/DudeNet