原论文2018：Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image Deraining
开源代码（pytorch框架）：https://xialipku.github.io/RESCAN
1.主要工作：提出了逐阶段去雨的单幅图像去雨深度网络架构。采用逐阶段去雨的方式。每一个阶段采用上下文扩张网络完成去雨工作。最后逐渐优化输出图像。
考虑到不同去雨阶段的相关性，文章利用三种循环单元融合了RNN网络架构。前面去雨阶段的信息能够为后面去雨阶段提供参考信息。
2.主体网络架构：
上图是单阶段的去雨基础网络（SCAN）。上图给出的是6层网络。文章指出更大的感受野能够提供更多的上下文信息，所以采用了扩张的卷积核构造上下文扩张网络。所谓扩张卷积核如下：
上图为三个不同扩张因子的卷积核。K表示尺寸，DF表示扩张因子。他们都是在3* 3个像素点上作卷积，只是DF越大，这些像素点越分散，能够覆盖到的图像区域更大，感受野越大。</
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/44315.html