深度学习+图像降噪，如何解决“卡脖子”问题？
（图片来源网络）
深度学习是近年来大家持续关注的热点，它在各领域应用现状如何，技术瓶颈是什么，怎样突破并发展？
图图今天特别推荐学报2019年第8期最高关注度和下载量的论文——来自南昌大学徐少平教授的“学者观点”， 该论文对基于深度学习（DCNN）的降噪模型，在发展过程中出现的技术瓶颈问题进行梳理，并尝试给出解决方案。
论文标题：深度卷积神经网络降噪模型的技术瓶颈与研究展望
论文作者：徐少平,刘婷云,林珍玉,张贵珍,李崇禧
主题词：综述；图像降噪；深度卷积神经网络；瓶颈问题；感受野；数据依赖；参数空间
全文链接：
http://www.cjig.cn/html/jig/2019/8/weixin/20190801.htm
为了更好地分享研究成果，帮助大家理解和学习，徐少平老师专门制作了PPT，对论文的重点内容进行深入浅出的介绍：
图像降噪问题的基本模型
传统降噪模型的基本原理、算法优势与局限
深度卷积神经网络（DCNN）降噪模型的基本原理、算法优势与局限
3个DCNN可行的未来研究方向
PPT共26页，供感兴趣的读者阅读，想要获取原文的图粉们，欢迎在后台留言"DCNN"，让图图看到你哦~~
作者简介
徐少平，南昌大学信息工程学院，教授，博士生导师，主要研究方向为图形图像处理技术、机器视觉、虚拟手术仿真。
E-mail: xushaoping@ncu.edu.cn
刘婷云，硕士研究生，主要研究方向为图形图像处理和机器视觉。
Email：416114517210@email.ncu.edu.cn
林珍玉，硕士研究生，主要研究方向为图形图像处理和机器视觉。
Email：401030918076@email.ncu.edu.cn
张贵珍，硕士研究生，主要研究方向为图形图像处理和机器视觉。
Email：406130917331@email.ncu.edu.cn
李崇禧，硕士研究生，主要研究方向为图形图像处理和机器视觉。
Email：406130917315@email.ncu.edu.cn
编辑推荐
本文系《中国图象图形学报》独家稿件
本文内容仅供学习交流
版权属于原作者
编辑：秀秀
指导/审核：梧桐君
声 明
前沿丨观点丨资讯丨独家
扫描下方二维码 关注学报公众号
中国图象图形学报 | 订阅号