تجاوز التعلم العميق للبقايا في استعادة الصور: تبسيط الكرة الموجه بواسطة التوافقي الدائم

الأساليب الحديثة للتعلم العميق تؤدي بشكل أفضل من الأساليب الرائدة في معالجة الإشارات في مهام مختلفة لإعادة تكوين الصور. ومع ذلك، إذا كانت الصورة تحتوي على العديد من الأنماط والهياكل، فإن أداء هذه الشبكات العصبية الم convoledة لا يزال أقل. لحل هذه المشكلة، نقترح هنا خوارزمية تعلم باقي جديدة في الفضاء المميز التي تتفوق على التعلم الباقي الموجود حاليًا. الفكرة الرئيسية مستوحاة من الملاحظة أن أداء خوارزمية التعلم يمكن تحسينه إذا تم جعل متعددات الأسطح للمدخلات و/أو العلامات بسيطة طوبولوجيًا عن طريق الخريطة التحليلية إلى فضاء المميز. دراساتنا العددية الواسعة باستخدام تجارب إزالة الضوضاء ومباراة NTIRE لإعادة تكوين الصورة الواحدة (SISR) أظهرت أن التعلم الباقي المقترح في الفضاء المميز يتفوق على الأساليب الرائدة الحالية. بالإضافة إلى ذلك، جاءت خوارزميتنا في المركز الثالث في مباراة NTIRE مع وقت حسابي أسرع بمقدار 5-10 مرات مقارنة بالفرق المرتبة الأولى. الكود المصدر متاح على الصفحة: https://github.com/iorism/CNN.git