极市直播丨田春伟：​基于卷积神经网络的图像复原研究

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过90位技术大咖嘉宾，并完成了77期极市线上直播分享。往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

深度卷积神经网络因具有灵活的结构广泛地应用到图像复原任务中。然而，这些技术忽视了底层视觉任务的属性，导致它们不能很好地解决复杂分布噪声图像去噪、复杂背景的噪声图像去噪、高频信息丢失的图像超分辨及复杂的图像超分辨等问题。

在这次分享中，我们邀请到了深圳市视觉目标检测与判识重点实验室的田春伟博士，介绍他们在这些问题上的探索工作：

Image denoising using deep CNN with batch renormalization (Neural Networks首页论文/高被引论文/iHub集成代码论文)。其中，他们首次引入宽度信息实现去噪器，以解决复杂分布的噪声图像去噪问题。

随后，通过“Attention-guided CNN for image denoising”(Neural Networks首页论文/GitHub 2020具有贡献代码论文)首次利用注意力机制来解决如盲去噪等更复杂背景的图像去噪问题。

进一步，通过“Coarse-to-fine CNN for image super-resolution”(IEEE TMM 2020/IEEE Early Access高引论文)提出的同时使用高频和低频信息来解决图像超分辨模型训练不稳定问题；

最后通过“Asymmetric CNN for image super-resolution”(IEEE TSMC 2021)实现一个模型解决盲图像超分辨和未知噪声类型的盲图像超分辨等复杂图像超分辨问题。

01

直播信息

时间

2021年4月22日（周四）20:00-21:00

主题

基于卷积神经网络的图像复原研究

02

嘉宾介绍

田春伟

现为深圳市视觉目标检测与判识重点实验室成员。2021年1月份毕业于哈尔滨工业大学计算机应用技术专业并获得工学博士学位。研究方向为图像复原、图像处理、深度学习和容噪音计算。

田博士已在CCF推荐的国际知名期刊和会议，如IEEE TNNLS、 IEEE TMM、 IEEE TSMC、 NN、 Information Sciences、 KBS、PRL、ICASSP、ICPR、ACPR和IJCB等上发表多篇学术论文。其中，多篇论文技术在学术界和工业界上获得广泛的关注。例如

，多篇论文被国内计算机视觉领域权威微信公众号CVer、52CV和AI 技术、HappyAIWalker和人工智能前沿练习等多次推送和报道；3篇论文代码被国际最大的开源代码平台GitHub评为2020年具有贡献代码；3篇论文因最高下载量被推送到国际神经网络领域的Top期刊Neural Networks的首页上（首页论文共25篇）；2篇论文技术因具有强的实际应用价值，分别被受邀集成在国内最大的人工智能平台iHub和国际最大的机器学习平台Profillic上；2篇论文分别入选高被引论文和中国人工智能学会会刊2018/2019年连续2年唯一1篇Best Paper论文。其研究在国际上创造了四个国际第一。同时，他也受邀担任国际期刊《Journal of Electrical and Electronic Engineering》的AE、 IEEE DASC2020和IEEE DASC 2021的PC、 IJCAI 2019 PC Assistant及IEEE TIP、 IEEE TII、 IEEE TMM、IEEE TSMC、NN、CVIU、Neurocomputing、 Visual Computer、 PRL、SPL和ECCV等国际知名期刊和会议的审稿人。此外，田博士在本硕博每阶段都获得国家奖学金（共4次）、黑龙江省三好学生（共3次）及多次如哈工大优秀学生、哈工大优秀毕业生等校级荣誉称号。

更多信息请参考：https://sites.google.com/view/chunweitiancv。

03

关于分享

➤分享大纲

1、 图像复原研究背景与意义

2、 图像复原研究现状

3、 基于双路径卷积神经网络的图像去噪

4、 基于注意力机制卷积神经网络的图像去噪

5、 基于级联卷积神经网络的图像超分辨

6、 基于非对称卷积神网络的图像超分辨

➤论文

Image denoising using deep CNN with batch renormalization

论文地址：

https://www.sciencedirect.com/science/article/abs/pii/S0893608019302394

代码：

https://github.com/hellloxiaotian/BRDNet

Attention-guided CNN for image denoising

论文地址：

https://www.sciencedirect.com/science/article/abs/pii/S0893608019304241

代码：

https://github.com/hellloxiaotian/ADNet

Coarse-to-fine CNN for image super-resolution

论文地址：

https://ieeexplore.ieee.org/abstract/document/9105085

代码：

https://github.com/hellloxiaotian/CFSRCNN

Asymmetric CNN for image super-resolution

论文地址：

https://arxiv.org/pdf/2103.13634.pdf

代码：

https://github.com/hellloxiaotian/ACNet

04

参与方式