مُنْتِجُ M-Net المُتَبَقِّي المُتَنَوِّع للإزالة الفعّالة للضوضاء من الصور الحقيقية

إن استرجاع الصور هو مهمة في الرؤية المنخفضة المستوى تهدف إلى استعادة الصور المتدهورة إلى صور خالية من الضوضاء. وبفضل النجاح الذي حققته الشبكات العصبية العميقة، تفوقت الشبكات العصبية التلافيفية على الطرق التقليدية لاسترجاع الصور، وصارت هي السائدة في مجال الرؤية الحاسوبية. ولتحسين أداء خوارزميات إزالة الضوضاء، نقترح شبكة لاسترجاع الصور الحقيقية بدون معرفة مسبقة بالضوضاء (SRMNet) من خلال استخدام بنية هرمية محسّنة مستمدة من U-Net. وبشكل خاص، نستخدم كتلة نواة اختيارية مدعومة بكتلة تراكب (residual block) ضمن البنية الهرمية، وتُعرف باسم M-Net، لتعزيز المعلومات الدلالية متعددة المقياس. علاوةً على ذلك، تُظهر شبكة SRMNet أداءً تنافسيًا على مجموعتي بيانات مزيفة (مُصطنعة) وبيانات حقيقية ملوثة بالضوضاء، من حيث مقاييس كمية ونوعية بصريّة. ويمكن الوصول إلى الشفرة المصدرية والنموذج المُدرّب مسبقًا عبر الرابط التالي: https://github.com/TentativeGitHub/SRMNet.