image noise | BriefGPT - AI 论文速递

关键词image noise

搜索结果 - 11

利用时间序列图像的深度学习对低剂量图像进行去噪
数字图像设备广泛应用于许多领域，但当观察不能使用足够剂量时会出现图像噪声问题。机器学习去噪技术被期望解决此问题，然而存在以下问题。本文以电子显微镜的原位观察视频为例，报告了机器学习去噪在超低剂量观察中产生的伪影问题，并提出了一种将时间序列图
PDF3 months ago
denoiSplit：一种联合图像分割与无监督去噪的方法
本研究提出了 denoiSplit，一种解决联合语义图像分割和无监督去噪的新分析方法。该方法在荧光显微镜中具有重要应用，语义图像分割在此应用中十分关键，但图像噪声通常会妨碍对图像内容的后续分析。我们的方法通过集成无监督去噪子任务来处理图像噪
PDF4 months ago
3D 脑 MRI 联合图像去噪与运动伪影校正的迭代学习
提出了一种通过迭代学习处理带有运动伪影的噪声 MRI 的联合图像去噪和伪影校正框架，包括自适应去噪模型和抗伪影模型，并在公共数据集和临床研究中得到了实验证明其在去噪和运动伪影校正两个任务中的有效性。
PDF4 months ago
细粒度车辆识别的渐进式多任务抗噪学习和蒸馏框架
本文提出了一种渐进式多任务抗噪声学习（PMAL）框架和一种渐进式多任务蒸馏（PMD）框架，以解决细粒度车辆识别中由图像噪声引起的类内差异问题。通过将图像去噪视为图像识别中的一项额外任务，并渐进地使模型学习噪声不变性，PMAL 框架实现了较高
PDF5 months ago
DSeg: 直线段检测
该研究提出了一种基于模型驱动的方法来检测图像线段，通过使用线性卡尔曼滤波器逐步在梯度图像上检测线段，并估计其支持线参数及其相关方差。该算法在处理图像噪声和光照变化方面表现出色，可以检测到比数据驱动方法更长的线段，并且无需繁琐的参数调整。此外
PDF7 months ago
学习压缩图像时去噪的重要性
本文提出在训练编解码器时明确地学习图像去噪任务，通过监督编解码器的噪声 - 干净图像对，得出训练多种噪声水平图像组成的混合模型效果最佳，能在压缩、去噪任务中优于一组去噪 - 压缩模型。
PDFa year ago
ECCV通过降噪的联合学习优化图像压缩
针对智能手机拍摄图像噪点问题，提出一种噪点感知的联合去噪与压缩图像算法，通过消除噪点并将其转换为无噪点位，以解决压缩图像时出现的误差位分配问题，实现了一个简单高效的两分支共享权重架构，并在合成和实际的数据集上获得了显著的性能提升。
PDF2 years ago
ICLR评估对噪声的稳健性：低成本头部 CT 分流
通过使用卷积神经网络自动分类医学图像，我们研究了在使用低成本扫描仪时，训练 CNN 模型的性能如何。我们发现，我们的模型对于更低的 X 射线管电流和更少的图片被拍摄的角度的图片都有很好的分类效果。然而，在使用受限扫描器获得的显着劣化的图像方
PDF4 years ago
噪声流：带条件的标准化流噪声建模
介绍了基于 normalizing flow 的强大而精确的噪声模型 Noise Flow，结合了基本参数噪声模型和神经网络的灵活性和表现力。与已有的噪声模型相比，Noise Flow 具有显著的改进，是第一次试图超越简单的参数模型，利用深
PDF5 years ago
利用迁移学习检测星系合并
本文使用卷积神经网络及迁移学习进行星系并合的自动检测与分类，结果表明相对于当前非参数系统 CAS 和 GM$_{20}$ 的方法，深度学习方法在并合检测中表现显著更好。通过迁移学习，可以在小训练集上有效提高分类性能并作为正则化器，同时不需进
PDF6 years ago
使用深度卷积神经网络对失真图像进行分类
本文系统研究图像失真对深度神经网络分类器的影响，提出了重训练与加噪音微调两种方法，结果表明在特定条件下，加噪音微调可以有效减轻图像失真对分类器的影响，并且比重新训练更为实用。
PDF7 years ago