【論文閱讀】Image Restoration Using Convolutional Auto-encoders with Symmetric Skip Connection

題目：使用卷積自動編碼器與對稱跳躍鏈接對圖像進行恢復

摘要：

圖像復原是計算機視覺和圖像處理領域的一個研究熱點問題，包括圖像去噪、超分辨率、圖像修補等。也是低級圖像建模算法的實驗平臺。咱們提出了一種用於圖像恢復的深度全卷積自編碼網絡，它是一個具備對稱卷積反捲積層的編解碼框架。換句話說，網絡由多層卷積和反捲積操做組成，學習從損壞的圖像到原始圖像的端到端映射。卷積層捕獲圖像內容的抽象，同時消除失真。反捲積層可以對特徵圖進行上採樣並恢復圖像細節。針對更深層次的網絡訓練難度較大的問題，提出將卷積和反捲積層與跳躍鏈接對稱鏈接，訓練收斂速度更快，效果更好。從卷積層到對應的鏡像反捲積層的跳躍鏈接有兩個主要優勢。首先，它們容許信號直接反向傳播到底層，從而解決梯度消失的問題，使得訓練深度網絡更加容易，從而實現恢復性能的提升。其次，這些跳躍鏈接將圖像細節從卷積層傳遞到反捲積層，這有助於恢復出乾淨的圖像。值得注意的是，隨着容量的增大，咱們展現了使用一個模型來處理不一樣級別的腐蝕是可能的。使用相同的框架來訓練模型的任務，在圖像去噪，超分辨率，消除JPEG壓縮工件，非盲圖像去模糊和圖像修補上。咱們在基準數據集上的實驗結果代表，咱們的網絡能夠在全部這四個任務上實現最佳的性能，並是當前效果最好的。

優勢：

缺點：