1
A
回答
4
可以使用Caffe(和CNN一般)對圖像進行去卷積,但該方法可能不如您希望的一般。
CNN可以將模糊的圖像作爲輸入和輸出清晰的圖像。由於網絡是卷積的,輸入可以是任何大小的。這可以很容易地使用卷積層和歐幾里得損失層在Caffe中完成。或者,您可以嘗試添加一些池化和解卷積層。
可以訓練CNNs以對特定模糊PSF中的圖像進行去卷積,就像在鏈接中一樣。 (見:[Xu et al.:Deep Convolutional Neural Network for Image Deconvolution. NIPS 2014])。這很有效,但你必須爲每個新的PSF重新訓練CNN(這需要很多時間)。
我試圖訓練CNN做盲解卷積(PSF未知),它對文本文件非常有效。您可以在[Hradiš et al.: Convolutional Neural Networks for Direct Text Deblurring. BMVC 2015]獲得經過培訓的網絡和python-Caffe腳本。這種方法適用於其他類型的圖像,但不適用於不受限制的照片和不同的模糊。對於一般的照片,我猜想它可以適用於小範圍的模糊。
另一種可能性是進行逆濾波(例如使用維納濾波器)並使用CNN處理輸出。這樣做的好處是,您可以非常快速地爲新PSF計算逆濾波器,並且CNN保持不變。 [Schuler等:用於非盲圖像解卷積的機器學習方法。 CVPR 2013]
相關問題
- 1. 瞭解Caffe卷積層
- 2. Caffe的卷積真的如何工作?
- 3. 如何解決caffe中完全卷積網絡的過擬合
- 4. 與張量流的解卷積/ Transpose_Convolutions
- 5. Weiner使用opencv解卷積
- 6. 瞭解[R卷積碼sapply()
- 7. 2D自解卷積在MATLAB
- 8. [Caffe-CNN]如何獲得輸出的梯度w.r.t.到卷積層?
- 9. 如何在caffe中卷積兩個斑點
- 10. 張流與卷積網絡
- 11. 轉置卷積(反捲積)算法
- 12. 簡單圖像解卷積問題
- 13. fft/ifft在Matlab中的解卷積
- 14. 是否存在TensorFlow解卷積?
- 15. 如何在Scilab中執行解卷積
- 16. 具有解卷積層的Concat FC層
- 17. 卷積在Python
- 18. Tensorflow:在卷積
- 19. 卷積與可分離內核
- 20. Tensorflow中的卷積與Conv2d函數
- 21. CUDA - 鏈接錯誤與卷積例如
- 22. Golang中的卷積
- 23. Matlab的卷積碼
- 24. 瞭解caffe庫
- 25. 1卷積可以分成2個卷積嗎?
- 26. 卷積去卷積對給出了略有不同的維度
- 27. 空間可分卷積
- 28. 卷積神經網絡
- 29. 兩個pdf的卷積
- 30. FFT卷積 - 3x3的內核
有這個NIPS'04論文做的事情:「深度卷積神經網絡的圖像解卷積」http://machinelearning.wustl.edu/mlpapers/paper_files/NIPS2014_5485.pdf –