U-OLANet : Low-Resolution One-Layer Attention Neural Networks for Image Denoising
Jun Wei Han, Dae-Seong Kang · The Journal of Korean Institute of Information Technology · 2021
이미지 처리 분야에서 딥러닝이 적용된 다양한 연구 개발이 이루어지고 있다. 이미지의 특징을 직접적으로 추출해야하는 기존의 기술을 딥러닝 기술을 적용함으로써 이미지 공간 정보 학습을 통해 한계점을 극복하였다. 하지만 이미지 생성 및 전송 과정에서 노이즈가 포함될 수밖에 없다. 그로 인해 딥러닝 모델들의 성능이 학습 시 사용되는 입력 이미지에 포함되는 노이즈에 의해 저하될 수 있다. 본 논문에서는 Autoencoder의 압축기능으로 저해상도에서의 큰 특징을 추출하고 이전 값을 참조하는 skip connections을 통해 더 많은 특징을 추출하는 U-Net 기반 One-LANet(One-Layer Attention Network)의 조합으로 성능 개선된 이미지 디노이징 모델 U-OLANet(U-Net based One-Layer Attention Network)을 제안한다. 제안하는 방법은 Set12에서 PSNR=30.48/ SSIM=0.9306, BSD68에서 PSNR=29.29 / SSIM=0.9030으로 기존의 모델보다 좋은 성능을 보여준다.