【文件属性】：
文件名称：RCDNet:【CVPR2020可解释网络，PyTorch】模型驱动的深度神经网络，用于单图像除雨
文件大小：69.74MB
文件格式：ZIP
更新时间：2021-05-02 00:44:27
Python
RCDNet：用于单幅图像去除的模型驱动的深度神经网络（CVPR2020）
，谢琪，赵倩和
抽象的
深度学习（DL）方法在去除单个图像雨水的任务中已经达到了最先进的性能。 但是，当前的大多数DL体系结构仍然缺乏足够的可解释性，并且没有与常规降雨条纹中的物理结构完全集成。 为此，在本文中，我们针对任务提出了一种模型驱动的深度神经网络，它具有可完全解释的网络结构。 具体而言，基于表示雨的卷积字典学习机制，我们提出了一种新颖的单图像排水模型，并利用近邻梯度下降技术设计了仅包含用于求解模型的简单算子的迭代算法。 这种简单的实现方案有助于我们将其展开为一个称为雨卷积字典网络（RCDNet）的新的深层网络体系结构，几乎每个网络模块都一对一地对应于算法中涉及的每个操作。 通过对建议的RCDNet进行端到端培训，可以自动提取所有的雨粒和近端操作员，如实地表征雨层和干净的背景层的特征，从而自然地导致其更好
【文件预览】：
RCDNet-master
----RCDNet.png(9.56MB)
----Performance_evaluation()
--------statistic.m(561B)
--------psnr.m(616B)
--------ssim.m(6KB)
----Pretrained Model()
--------SPA-Data()
--------rain1400()
--------rain100H()
--------rain100L()
----README.md(9KB)
----RCDNet_code()
--------for_syn()
--------for_spa()
--------Rainkernel()
----pytorch1.0+()
--------for_syn()
--------for_spa()
----teaser.gif(290KB)
----Motivation and Net Design.png(3.3MB)
----Rain100l.png(5.55MB)