Lulu Sun, Yongbing Zhang, Chenggang Yan, Xinhong Hao, Ze Cui, Xiangyang Ji, Yongdong Zhang, Qionghai Dai

   残余网络（ResNet）和密集卷积网络（DenseNet）在许多高级计算机视觉应用中取得了巨大成功。 在本文中，我们提出了一种具有局部密集和自适应全局残差（LD + AGR）框架的新型网络，用于快速准确的图像去噪。 更确切地说，我们将局部残差/密度与全局残差/密度相结合，以研究处理图像去噪问题的最佳性能。 特别地，局部/全局残差/密集意味着内/外递归块的连接方式。 并且残差/密集表示通过求和/连接组合层。 此外，当组合跳过连接时，我们添加一些自适应和可训练的缩放参数，这些参数可以在训练期间自动调整以平衡不同层的重要性。 大量实验表明，所提出的网络在质量和速度方面对最先进的方法表现出良好的效果。

          该成果发表于Pacific Rim Conference on Multimedia会议，获会议最佳论文。

2018Image Denoising with Local Dense  and Adaptive Global Residual Networks.pdf