面向压缩图像复原的网络增强训练方法

来源：信号处理杂志 2022年第6期北京时间：

作者：廖理心, 赵耀, 韦世奎

摘要：高质量的数据是深度卷积神经网络成功的关键因素之一。在计算机视觉领域，常用图像数据集通常以JPEG格式存储。这种有损压缩技术不可避免地会导致原始数据信息的丢失，进而造成利用压缩数据训练的卷积神经网络的性能降低。因此，为了增强卷积神经网络的性能，本文提出了一种面向压缩图像复原的增强训练方法，通过复原压缩图像实现卷积神经网络的性能增强。该方法具体为一个包含复原模块和任务模块的联合增强框架。复原模块致力于恢复有损压缩技术造成的信息丢失；任务模块专注于基于任务需求增强压缩图像。两个模块联合训练，使得压缩图像的复原增强更具有目的性。本文通过图像分类任务的实验表明，与压缩图像相比，该方法能有效地复原压缩图像，增强卷积神经网络的性能。此外，该方法中两个模块间的低耦合性和可替代性保证了该方法的适用性。

关键词：压缩图像, 复原, 联合增强