深度学习+图像降噪，如何解决“卡脖子”问题？

（图片来源网络）

深度学习是近年来大家持续关注的热点，它在各领域应用现状如何，技术瓶颈是什么，怎样突破并发展？

图图今天特别推荐学报2019年第8期最高关注度和下载量的论文——来自南昌大学徐少平教授的“学者观点”， 该论文对基于深度学习（DCNN）的降噪模型，在发展过程中出现的技术瓶颈问题进行梳理，并尝试给出解决方案。

论文标题：深度卷积神经网络降噪模型的技术瓶颈与研究展望

论文作者：徐少平,刘婷云,林珍玉,张贵珍,李崇禧

主题词：综述；图像降噪；深度卷积神经网络；瓶颈问题；感受野；数据依赖；参数空间

全文链接：

http://www.cjig.cn/html/jig/2019/8/weixin/20190801.htm

为了更好地分享研究成果，帮助大家理解和学习，徐少平老师专门制作了PPT，对论文的重点内容进行深入浅出的介绍：

• 图像降噪问题的基本模型

• 传统降噪模型的基本原理、算法优势与局限

• 深度卷积神经网络（DCNN）降噪模型的基本原理、算法优势与局限

• 3个DCNN可行的未来研究方向

PPT共26页，供感兴趣的读者阅读，想要获取原文的图粉们，欢迎在后台留言"DCNN"，让图图看到你哦~~

作者简介

徐少平，南昌大学信息工程学院，教授，博士生导师，主要研究方向为图形图像处理技术、机器视觉、虚拟手术仿真。

E-mail: xushaoping@ncu.edu.cn

刘婷云，硕士研究生，主要研究方向为图形图像处理和机器视觉。

Email：416114517210@email.ncu.edu.cn

林珍玉，硕士研究生，主要研究方向为图形图像处理和机器视觉。

Email：401030918076@email.ncu.edu.cn

张贵珍，硕士研究生，主要研究方向为图形图像处理和机器视觉。

Email：406130917331@email.ncu.edu.cn

李崇禧，硕士研究生，主要研究方向为图形图像处理和机器视觉。

Email：406130917315@email.ncu.edu.cn

编辑推荐

本文系《中国图象图形学报》独家稿件

本文内容仅供学习交流

版权属于原作者

编辑：秀秀

指导/审核：梧桐君

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。 授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

前沿丨观点丨资讯丨独家

扫描下方二维码 关注学报公众号

中国图象图形学报 | 订阅号

在看点这里