تقوم الشبكات العصبية التلافيفية العميقة بأداء أفضل على الصور التي تحتوي على ضوضاء ثابتة مكانيًا (الضوضاء الاصطناعية)؛ ومع ذلك، فإن أدائها محدود على الصور الفوتوغرافية الحقيقية المليئة بالضوضاء ويحتاج إلى نمذجة شبكة متعددة المراحل. لتعزيز قابلية تطبيق خوارزميات إزالة الضوضاء، يقترح هذا البحث شبكة صور حقيقية عمياء لإزالة الضوضاء في مرحلة واحدة جديدة (RIDNet) من خلال استخدام هندسة وحدات. نستخدم هيكل بقايا على بقايا لتيسير تدفق المعلومات ذات التردد المنخفض ونطبق انتباه الميزات لاستغلال اعتمادات القنوات. بالإضافة إلى ذلك، أظهرت التقييمات من حيث المقاييس الكمية وجودة الرؤية على ثلاثة مجموعات بيانات للضوضاء الاصطناعية وأربع مجموعات بيانات للضوضاء الحقيقية، عند مقارنتها مع 19 خوارزمية رائدة في المجال، تفوق شبكتنا RIDNet.