摘要

近期的研究已采用深度残差卷积神经网络（CNN）来减少JPEG压缩伪影。本研究提出了一种可扩展的CNN，称为S-Net。我们的方法能够在多任务系统中动态调整网络规模，以实现实时操作且性能损失极小。该方法提供了一种简单直接的技术，用于评估随着网络深度增加所获得的性能提升，并有助于移除冗余的网络层以最大化网络效率。我们使用Keras框架（基于TensorFlow后端）在NVIDIA K80 GPU服务器上实现了该架构。我们在DIV2K数据集上训练了模型，并在公共基准数据集上对其性能进行了评估。为了验证所提方法的通用性和普适性，我们创建并利用了一个新的数据集，称为WIN143，用于过度处理图像的评估。实验结果表明，我们提出的方法优于其他基于CNN的方法，并达到了当前最佳的性能水平。