Jul, 2023

ResWCAE：基于残差小波条件自编码器的生物特征模式图像去噪

PDF
TL;DR通过提出一种轻量级、稳健的深度学习体系结构 Res-WCAE with Kullback-Leibler 散度正则化，专为指纹图像去噪设计，在高噪声情况下对比多种先进去噪方法进行了实验，结果表明 Res-WCAE 在嵌入式 IoT 设备中的生物特征认证系统中表现优异。
biometric authenticationpattern imagesiot devicesdeep learningfingerprint image denoising
发现论文，激发创造
  • 学习类小波自编码器加速深度神经网络

    提出了 Wavelet-like 自编码器用于基于图像分解的深度神经网络加速，并结合一个标准分类网络，该框架不仅能够保持图像的主要组成部分，也可应用于任意卷积神经网络的分类，具有解释性。

    Dec, 2017

  • 基于深度卷积自编码器的有损图像压缩

    本文提出了一种基于深度学习的图像压缩架构，利用卷积自编码器的优势达到了更高的编码效率，并利用主成分分析来产生一个更加能量紧凑的表示，实验结果表明，该方法相对于传统的图像编码算法在 Kodak 图像数据库上获得了 13.7％的 BD 速率降低，而且与 JPEG2000 具有类似的复杂度。

    Apr, 2018

  • 使用卷积去噪自编码器进行医学图像去噪

    本文介绍一种使用卷积层构建的去噪自编码器进行医学图像去噪的方法，通过少量样本的训练，可以高效地去除医学图像噪声。同时，本文提出了将异构图像进行合并来提高训练样本的可行性，并成功地实现了最简单的网络重构高噪声医学图像的效果。

    Aug, 2016

  • WaveletAE: 一种在风力发电机叶片结冰检测中增强小波自编码器

    该研究提出了一种基于多变量时间序列监控的 Wavelet 增强自编码器模型（WaveletAE），用于检测风力发电机组的失效，以实现在理解多尺度特征的过程中更好地识别风电机叶片积冰。实证研究表明，该模型比其他现有的时间序列异常检测方法更为出色。

    Feb, 2019

  • DCAE-SR：超分辨率下重建心电图信号的去噪卷积自编码器设计

    我们提出了一种新的电信号超分辨率（SR）模型，用于改善心电图（ECG）信号的质量并对心血管诊断产生积极影响。该模型通过使用 DNAE 来增强 ECG 信号内部的时域和频域信息，能够从低分辨率的信号中重建噪声消除的超分辨率信号，以及在 ECG 艺术品存在的情况下提供可靠的解决方案。

    Mar, 2024

  • 通过进化搜索利用标准卷积自编码器的潜力进行图像修复

    本研究采用进化算法来搜索优化简单的卷积自编码器，用其进行图像恢复任务，无需采用对抗训练和复杂的损失函数，实验结果在 CelebA 和 SVHN 数据集上表现出色。

    Mar, 2018

  • EWT: 单幅图像去噪高效小波变换器

    提出了一种高效的小波变换器 (Efficient Wavelet Transformer，EWT) 方法，使用离散小波变换 (DWT) 和反小波变换 (IWT) 降采样和升采样以实现图像降噪。同时，还提出了一种新颖的双流特征提取块 (DFEB) 来在不同的级别提取图像特征，缩短模型推断时间和 GPU 存储器使用量。实验证明，该方法提高了原始 Transformer 的速度超过 80%，减少了 GPU 存储器使用量超过 60%，并取得了良好的去噪结果。

    Apr, 2023

  • 低剂量 X 射线 CT 重建的小波域残差网络 (WavResNet)

    本研究提出了一种基于方向小波域下的直接残差学习方法，用于向低剂量 X 射线 CT 图像中恢复细节纹理，并在实验证明该方法相较于之前的工作具有显著的性能改进。

    Mar, 2017

  • 语义边缘自动编码器中的非降波尔变换在安全改进和消噪不同语言中的应用

    该研究通过将非降维小波变换与词嵌入语义边际自编码器相结合，提供了一种改进安全措施和去噪多语言的新策略。

    Jul, 2023

  • 多模态医学神经影像融合基于小波池化保存边缘自编码器

    基于边缘保持稠密自编码器网络的多模态医学图像的端到端无监督融合模型，通过波尔特分解的特征图注意力池化改进了特征提取过程，提高了源图像中精细边缘细节信息的保留和融合图像的视觉感知。通过在多种医学图像对上训练，有效地捕捉源图像的强度分布和保留诊断信息。实验结果表明，与其他最先进的融合方法相比，所提出的方法提供了改进的视觉和定量结果。

    Oct, 2023