學位論文

Browse

Now showing 1 - 1 of 1

SA-FBCNN：一種具空間自適應性與彈性的盲式卷積神經網路於JPEG影像壓縮雜訊去除之研究
(2025) 顏伯諭; Yen, Po-Yu
本論文提出一種改良型JPEG影像壓縮失真修復網路SA-FBCNN（Spatially-Adaptive Flexible Blind CNN），結合FBCNN（Flexible Blind CNN）基礎架構與SAFMN（Spatially-Adaptive Feature Modulation Network）的空間自適應特徵調製機制。傳統JPEG壓縮因區塊處理方式產生明顯的方塊效應和環狀偽影，而現有深度學習方法雖有成效，但缺乏對空間特徵的自適應調整能力。本研究將FBCNN架構中的ResBlock替換為Feature Mixing Module模組，增強網路對不同尺度特徵的建模能力。接著，在對訓練完成後的模型進行分析時，我們觀察到品質因子（Quality Factor, QF）預測分支因普遍的Dead ReLU現象，其輸出對不同輸入趨於恆定。基於此，我們進行了模型剪枝，實驗證明移除該分支可在幾乎不影響效能的前提下，使參數量（60.01M）大幅減少，甚至少於原始FBCNN（71.90M）。實驗結果顯示，我們的輕量化模型在PSNR指標上平均提升約0.15dB，在圖像重建品質和細節保留方面表現更優越。