نقدم معمارية شبكة عميقة تُسمى DerainNet لازالة خطوط المطر من الصورة. استنادًا إلى الشبكة العصبية التلافيفية العميقة (CNN)، نتعلم مباشرة العلاقة التحويلية بين طبقات التفاصيل للصور الممطرة والنظيفة من البيانات. نظرًا لعدم امتلاكنا الحقيقة الأرضية المقابلة للصور الممطرة في العالم الحقيقي، نقوم بتكوين صور تحتوي على مطر لتدريب الشبكة. على عكس الاستراتيجيات الأخرى الشائعة التي تزيد من عمق أو عرض الشبكة، نستخدم معرفة مجال معالجة الصور لتعديل الدالة الهدف وتحسين إزالة المطر باستخدام شبكة CNN ذات حجم معتدل. تحديدًا، نقوم بتدريب DerainNet على طبقة التفاصيل (المرشح العالي) بدلاً من مجال الصورة. رغم أن DerainNet يتم تدريبها على بيانات مركبة، نجد أن الشبكة المستلمة تترجم بشكل فعال للغاية إلى صور العالم الحقيقي عند الاختبار. بالإضافة إلى ذلك، نعزز إطار عمل CNN بتحسين الصور لتحسين النتائج البصرية. بالمقارنة مع أفضل الأساليب الحالية لإزالة المطر من الصورة الواحدة، يوفر أسلوبنا تحسينًا في إزالة المطر وأوقات حساب أسرع بكثير بعد تدريب الشبكة.