面向压缩图像复原的网络增强训练方法

摘要：

高质量的数据是深度卷积神经网络成功的关键因素之一.在计算机视觉领域,常用图像数据集通常以JPEG格式存储.这种有损压缩技术不可避免地会导致原始数据信息的丢失,进而造成利用压缩数据训练的卷积神经网络的性能降低.因此,为了增强卷积神经网络的性能,本文提出了一种面向压缩图像复原的增强训练方法,通过复原压缩图像实现卷积神经网络的性能增强.该方法具体为一个包含复原模块和任务模块的联合增强框架.复原模块致力于恢复有损压缩技术造成的信息丢失;任务模块专注于基于任务需求增强压缩图像.两个模块联合训练,使得压缩图像的复原增强更具有目的性.本文通过图像分类任务的实验表明,与压缩图像相比,该方法能有效地复原压缩图像,增强卷积神经网络的性能.此外,该方法中两个模块间的低耦合性和可替代性保证了该方法的适用性.

关键词：压缩图像、复原、联合增强

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金;中央高校基本科研业务费专项

在线出版日期：2022-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1192-1201