MemNet: شبكة ذاكرة ثابتة لاستعادة الصور

في الآونة الأخيرة، جذبت الشبكات العصبية التلافيفية العميقة جداً (CNNs) اهتماماً كبيراً في مجال استعادة الصور. ومع ذلك، مع زيادة العمق، يُندر الاعتراف بمشكلة الارتباط طويل المدى لهذه النماذج العميقة جداً، مما يؤدي إلى أن الحالة/الطبقة السابقة تكاد لا تؤثر على الطبقات اللاحقة. مستوحاة من حقيقة أن الأفكار البشرية لها استمرارية، نقترح شبكة ذاكرة مستمرة عميقة جداً (MemNet) تُدخل كتلة ذاكرة تتكون من وحدة متكررة ووحدة بوابة، لاستخراج الذاكرة المستمرة بشكل صريح عبر عملية تعلم متكيفة. تقوم الوحدة المتكررة بتعلم تمثيلات متعددة المستويات للحالة الحالية تحت مجالات استقبال مختلفة. يتم ربط هذه التمثيلات والمخرجات من الكتل الذاكرة السابقة وإرسالها إلى وحدة البوابة، التي تتحكم بشكل متكيف في مدى حفظ الحالات السابقة وتقرر مدى تخزين الحالة الحالية. نطبق MemNet على ثلاث مهام لاستعادة الصور، وهي: إزالة الضوضاء من الصور (image denoising)، زيادة الدقة الفائقة (super-resolution)، وإزالة تشوهات JPEG (JPEG deblocking). تُظهر التجارب الشاملة ضرورة MemNet وتتفوق على أحدث التقنيات في جميع الثلاث مهام. يمكن الحصول على الكود من الرابط التالي: https://github.com/tyshiwo/MemNet.