Learning Dual Convolutional Neural Networks for Low-Level Vision

论文作者：Jinshan Pan1 Sifei Liu2 Deqing Sun2 Jiawei Zhang3 Yang Liu4 Jimmy Ren5
Zechao Li1 Jinhui Tang1 Huchuan Lu4 Yu-Wing Tai6 Ming-Hsuan Yang7
1Nanjing University of Science and Technology 2NVIDIA 3City University of Hong Kong
4Dalian University of Technology 5SenseTime Research 6Tencent Youtu Lab 7UC Merced

论文开源代码：https://sites.google.com/site/jspanhomepage/dualcnn

针对低层视觉问题提出了一个dualCNN结构，这种架构适用于超分辨、边缘保持性滤波、derain、dehazing一系列的任务。

DualCNN由两部分组成：结构恢复部分（Net-S）和细节恢复部分（Net-D）

Net-S架构：

layer	parameters	stride	padding
1	64 conv 9*9 + relu	1	4
2	32 conv 1*1 + relu	1	0
3	1 conv 5*5 + relu	1	2

Net-D架构：

由20个卷积层组成：64 conv 3*3 + relu

训练过程设置：

batch_size = 64

learning_rate = 0.0001

optimize : SGD

训练数据：使用NYU depth dataset 生成训练图像，图像块设置成：32*32

损失函数设置：

论文结果比较：