MobileDnCNN: 实用移动设备原始图像降噪深度学习网络

《Practical Deep Raw Image Denoising on Mobile Devices》中使用的网络是一种基于深度学习的神经网络，称为 MobileDnCNN。MobileDnCNN 是一个轻量级的深度残差网络，旨在在嵌入式设备上实现高效的原始图像去噪。

MobileDnCNN 的架构类似于经典的 DnCNN 网络，但是 MobileDnCNN 对原始图像的处理更加高效。MobileDnCNN 的网络架构由三个主要部分组成：输入层，特征提取层和残差块层。

输入层：MobileDnCNN 的输入层接受原始图像作为输入，并根据需要进行归一化处理。它将原始图像转换为网络可以处理的形式。输入层的输出作为特征提取层的输入。

特征提取层：特征提取层由卷积层和批量归一化层组成，用于提取输入图像的特征。这些特征将被用于残差块层中的处理。

残差块层：残差块层由多个残差块组成，每个残差块都由卷积层、批量归一化层和 ReLU 激活函数组成。这些残差块对输入的特征进行处理，以减少图像中的噪声。

MobileDnCNN 的整个网络架构使用了深度残差学习的思想，通过对图像的多层处理，逐渐减少噪声，提高图像的质量。同时，MobileDnCNN 的轻量级架构使其可以在移动设备上高效地运行，实现了高质量的图像去噪效果。