dnCNNLayers
ノイズ除去畳み込みニューラル ネットワークの層の取得
説明
は、layers
= dnCNNLayers(NetworkDepth=networkDepth
)networkDepth
個の畳み込み層をもつノイズ除去畳み込みニューラル ネットワークを返します。
R2021a より前では、等価の構文 layers = dnCNNLayers("NetworkDepth",networkDepth)
を使用します。
例
入力引数
出力引数
ヒント
これらの層を関数
trainnet
(Deep Learning Toolbox) に与えることで、カスタム イメージ ノイズ除去ネットワークに学習させます (R2023b 以降)。カスタム イメージ ノイズ除去ネットワークに学習させるには、まず、次のようなコードを使用して、ネットワークの最後にある回帰層を削除します。layers = dnCNNLayers; layers = layers(1:end-1);
次に、関数
trainnet
を呼び出すときに、回帰用の損失関数を"mse"
として指定します。net = trainnet(data,layers,"mse",options);
DnCNN ネットワークは、ノイズおよびその他の高周波数イメージ アーティファクトを検出できます。たとえば、イメージの解像度を高めたり、JPEG 圧縮アーティファクトを取り除いたりするために、DnCNN ネットワークに学習させることができます。深層学習を使用した JPEG イメージのデブロックの例では、DnCNN に学習させて、イメージの JPEG 圧縮アーティファクトを低減する方法を説明しています。
参照
[1] Zhang, K., W. Zuo, Y. Chen, D. Meng, and L. Zhang. "Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising." IEEE Transactions on Image Processing. Vol. 26, Issue 7, 2017, pp. 3142–3155.
バージョン履歴
R2017b で導入
参考
denoiseImage
| denoisingNetwork
| denoisingImageDatastore
| trainnet
(Deep Learning Toolbox)