class PReNet(nn.Module): class PReNet_r(nn.Module): class PRN(nn.Module): class PRN_r(nn.Module):

[jilner]

作者你好，在network.py中上述四个网络结构，为什么输出的时候倒数第三行的结果要加上input呢？x = x + input，这个应该是已经derain后的结果，在加上输入的图，是不是多余了？

[csdwren]

这是用了residual learning，网络学的是negative rain streak layer。直接输出x 不加input也可以，数据集指标稍降一点，视觉上没区别。

[jilner]

谢谢 再麻烦问下 negative rain streak layer 是哪篇文章呢？

[csdwren]

目前几乎所有的去雨网络都用了residual learning，DDN是第一个用在去雨的。DnCNN第一个把这个策略用到去噪 https://github.com/cszn/DnCNN

[jilner]

以前只注意到中间的残差会加上之前的输入 但是好像第一次见到在最后输出的时候还要加上最开始的输入

[Rocky1ee]

这是用了residual learning，网络学的是negative rain streak layer。直接输出x 不加input也可以，数据集指标稍降一点，视觉上没区别。

这是用了residual learning，网络学的是negative rain streak layer。直接输出x 不加input也可以，数据集指标稍降一点，视觉上没区

您好，有个小疑问：
x 为 negative rain streak，input + x = deraining image。
要是不进行此操作，直接输出x如何得到deraining image呢？

[csdwren]

请看networks.py中的 class PReNet_LSTM

[Rocky1ee]

请看networks.py中的 class PReNet_LSTM

[csdwren]

是的