Применения нейросетей с residial архитектурой для фильтрации импульсных шумов изображений

Abstract

На текущий момент обработка изображений – одна из наиболее быстро развивающихся областей обработки данных. Данные изображений подвергаются воздействию шумов на протяжении процедуры захвата и передачи данных по каналам связи. С каждым годом объем данных изображений увеличивается. Таким образом задача удаления шумов с изображений становиться все более актуальной. В последнее время набирают популярность нейросетевые подходы к решению задачи фильтрации шумов. Для обучения сложных архитектур нейросетей используют дополнительные блоки, существенно влияющие на показатели производительности. В данной работе предложена архитектура нейросети с residual блоками, позволяющая осуществить фильтрацию с высокими показателями качества и времени.

Currently, image processing is one of the fastest growing data processing area. Image data becomes corrupted by noise during the capture and transmission of data over communication channels. Every year data size of the images grows up. Thus, removing noise from images is increasingly relevant task. Recently, neural network approaches of solving this problem become more popular. Additional blocks are used for training deep neural networks, that significantly affects the performance. This paper proposes a neural network architecture with residual blocks that allows filtering with high quality and performance.