《表1 图层属性表：融合运动信息的图像运动模糊去除算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合运动信息的图像运动模糊去除算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

网络中每一个卷积块包括两层conv卷积层、BN归一化层和Re LU激活层，max pooling为最大池化层，up conv为转置卷积层。其中卷积层选用大小为3×3的卷积核，这样计算量更小且非线性映射能力更强，在每一次卷积运算后加入BN层对每一层的特征作归一化，加快网络收敛速度。pooling层选用2×2 max pooling，在增大感受野的同时降低了运算量，保证恢复效果的同时也提高了运算速度。网络的左右两部分分别是编码器和解码器。编码器结构与常用的卷积神经网络相同，输入图像首先通过卷积块转换为64通道特征图，然后经过连续四次池化与卷积转换为1 024通道特征图。解码器包含连续四次转置卷积与卷积块，每一次转置卷积将特征图的通道数减半、宽度与高度翻倍，再经skip connect与编码器中相同尺寸的特征图融合，最后经卷积块输出至下一层解码器。特征图最终复原到原图尺寸后降维至3通道，特征图具体变化如表1所示。该设计结构可以通过逐层pooling获得较大的感受野，同时可以融合底层特征抓取图像细节，在速度与精度之间达到平衡。网络的损失函数选用均方误差（MSE），定义如下: