Experiment

Training/Test Data

Gaussian Denoising에서는 180x180 크기의 이미지 400개를 사용해 train한다.

특정 noise level에서의 denoising은 $\sigma=15,25,50$에서 진행한다. Patch size는 40x40이며 128x1600개로 crop해 사용한다.

Blind noise level에선(흑백) $\sigma\in[0,55]$의 noise 범위에서 데이터를 만들고, patch size=50x50, 128x3000개로 crop한다. 컬러에선 BSD의 500장 이미지(432+68) 중 432개의 이미지를 사용한다.

JPEG Deblocking, SISR을 포함하는 일반적인 작업에선 patch size=50x50, 128x8000개로 crop한다.

Test는 BSD68 및 널리 사용되는 12장의 이미지를 사용한다.

Setting

DnCNN-S(특정 noise level)은 depth=17이고 DnCNN-B(blind), CDnCNN-B(컬러), DnCNN-3(3 task)에선 depth=20이다. loss function은 같게 사용한다.

최적화는 SGD(momentum=0.9)로 하되, 50epoch동안 learning rate를 0.1에서 1e-4까지 지수적으로 decay한다.

Batch size는 128이다. Test metric으로 PSNR을 사용한다.