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：
