本文探讨了卷积神经网络（CNN）在JPEG图像去噪和伪影去除中的应用。研究表明，结合残差学习和对称权重初始化的网络在重构质量上显著优于传统方法。此外，提出了一种新型图像编辑方法，优化了多对象场景中的编辑质量。

本文介绍了一种基于卷积神经网络（CNN）的深度学习架构，用于去除X射线微CT图像中的环形伪影。研究表明，该方法在消除伪影方面优于传统技术，并提出了多阶段深度学习伪影去除方法，有效提高图像质量，减少伪影。

计算机断层扫描（CT）通过投影图像计算物体内部结构的图像。近年来，深度学习在CT造影图像去伪影方面表现出良好结果。提出了一种多阶段深度学习伪影去除方法，实验证明该方法有效且优于基于深度学习的后处理方法。

计算机断层扫描（CT）中，通过一组投影图像计算物体内部结构的图像。近年来，深度学习方法在CT造影图像去伪影方面表现出良好结果。我们提出了一种多阶段深度学习伪影去除方法，类似于传统的CT处理流程。实验证明，该方法有效减少伪影，优于基于深度学习的后处理方法。