最近出现很多将低级图像任务和高级图像任务结合在一起的工作，比如说一个图像分类的任务，但是图像是有噪声的，就可以将图像先喂到去噪网络里，然后将去噪的结果喂到分类网络中。事实上，我觉得这个做法和GAN的思想很像，就是生成器完成去噪工作，然后判别器进行分类。从理论上进行分析，这件事的可行性是很大的，因为人眼和计算机对图像的理解是不一样的，从计算机的语义层面上进行低级图像任务是可靠的。
本文是IJCAI2018年的一篇paper，将图像去噪和图像分类或者图像分割一起做的任务，事实上思想很简单，去噪网络使用类似于U-Net的结构，其中b和c分别为Feature Encoding和Feature Decoding模块。经过上采样和下采样将去噪部分分成三个scale，分别用skip结构连接，缩小的尺寸有助于减少计算成本。
去噪结束之后将去噪的结果喂到检测网络中，形成一个级联的网络，检测的结果也会及时反馈到去噪的网络中，真的就很像GAN的网络，只是GAN只有一个任务是由生成器完成，判别器只是用以辅助，而这里是multi-task的学习过程。
文章中又提到了psnr作为唯一的标准太单一的问题，因为文中的去噪方法psnr值并不是很高，如下表所示，psnr值提升不明显，但文章demo的一些图片上显示去噪效果很棒。如下图所示，能看出细节纹理恢复很好。
而在噪声图像下的分类model采用的是VGG-16，在 ILSVRC2012 上的分类结果如下表所示：级联的网络相比与直接用VGG和其他去噪方法结合VGG的分类结果有所提升。这个实验结果应该是很好理解的，有噪声的图像自然难以分类，其他去噪方法又不如文章中所给，所以效果好也是必然。
图像检测网络采用的是DeepLab-LargeFOV，在PascalVOC2012数据集的结果如下：
这篇文章应该是低级图像任务与高级图像任务结合的开创者，这个思路是可行的，让计算机自行理解。