Penulis Utama : Bintang Putro Wicaksono
NIM / NIP : M0520018
× <p><span xss=removed>Convolutional Neural Network (CNN) telah banyak digunakan pada dataset yang tidak terstruktur salah satunya adalah image denoising. Image denoising merupakan proses rekonstruksi citra ber-noise yang bertujuan untuk mengurangi noise tambahan yang terjadi dari citra dengan berbagai strategi. Penelitian ini mengajukan arsitektur model denoising jenis noise AWGN yang lebih efektif dan efisien, dengan kontribusi utama berupa penggunaan dua tipe blok residual dan penggunaan blok attention serta skip connection untuk meningkatkan penyaringan fitur penting serta mengurangi jumlah parameter jaringan. Secara umum proses pada arsitektur ini dapat dibagi menjadi dua bagian, Noise Suppression Network (NSN) dan Structure Enhancement Network (SEN). Beberapa eksperimen menunjukkan bahwa ketika dibandingkan dengan metode denoising terbaru lainnya, MIDNet mampu menghasilkan performa denoising yang kompetitif. Selain itu, model ini memiliki jumlah parameter menjadi 0,3 juta lebih sedikit yang menjadikan model ini efisien dalam penggunaan memori dibandingkan penelitian terbaik sebelumnya.</span></p>