Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.creator | Pires, Rafael G. [UNESP] | - |
Autor(es): dc.creator | Santos, Daniel F. S. [UNESP] | - |
Autor(es): dc.creator | Santos, Claudio F. G. | - |
Autor(es): dc.creator | Santana, Marcos C. S. [UNESP] | - |
Autor(es): dc.creator | Papa, Joao P. [UNESP] | - |
Autor(es): dc.creator | IEEE | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:59:32Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:59:32Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2019-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/SIBGRAPI51738.2020.00022 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/210333 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/210333 | - |
Descrição: dc.description | During the image acquisition process, noise is usually added to the data mainly due to physical limitations of the acquisition sensor, and also regarding imprecisions during the data transmission and manipulation. In that sense, the resultant image needs to be processed to attenuate its noise without losing details. Non-learning-based strategies such as filter-based and noise prior modeling have been adopted to solve the image denoising problem. Nowadays, learning-based denoising techniques showed to be much more effective and flexible approaches, such as Residual Convolutional Neural Networks. Here, we propose a new learning-based non-blind denoising technique named Attention Residual Convolutional Neural Network (ARCNN), and its extension to blind denoising named Flexible Attention Residual Convolutional Neural Network (FARCNN). The proposed methods try to learn the underlying noise expectation using an Attention-Residual mechanism. Experiments on public datasets corrupted by different levels of Gaussian and Poisson noise support the effectiveness of the proposed approaches against some state-of-the-art image denoising methods. ARCNN achieved an overall average PSNR results of around 0.44dB and 0.96dB for Gaussian and Poisson denoising, respectively FARCNN presented very consistent results, even with slightly worsen performance compared to ARCNN. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Petrobras | - |
Descrição: dc.description | NVIDIA | - |
Descrição: dc.description | Sao Paulo State Univ, Dept Comp, Bauru, SP, Brazil | - |
Descrição: dc.description | Univ Fed Sao Carlos, Dept Comp, Sao Carlos, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Dept Comp, Bauru, SP, Brazil | - |
Descrição: dc.description | CNPq: 307066/20177 | - |
Descrição: dc.description | CNPq: 427968/2018-6 | - |
Descrição: dc.description | FAPESP: 2013/07375-0 | - |
Descrição: dc.description | FAPESP: 2014/12236-1 | - |
Descrição: dc.description | Petrobras: 2017/00285-6 | - |
Formato: dc.format | 101-107 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Ieee | - |
Relação: dc.relation | 2020 33rd Sibgrapi Conference On Graphics, Patterns And Images (sibgrapi 2020) | - |
???dc.source???: dc.source | Web of Science | - |
Título: dc.title | Image Denoising using Attention-Residual Convolutional Neural Networks | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: