N2V：噪声2空洞训练的实现版本

简介：
N2V是一种创新的深度学习训练方法，专门用于处理数据中的噪声和空洞问题，通过改进的数据清洗技术，显著提升了模型在不完整或有误数据上的表现。 在图像去噪领域，目前主流的方法是通过有监督的深度学习技术，在含有噪声的输入图片与干净的目标图对之间进行训练来实现。然而最近的研究表明，即使没有目标清洁图像的存在，也可以训练这种方法。N2N方法即使用一对独立产生的带有噪音的图像来进行这一过程。 在此基础上，我们提出了NOISE2VOID（N2V）的方法作为进一步的发展方案。该方法不需要成对的噪声图和干净的目标图，在仅有单一含噪图片的情况下也能进行有效的学习与训练。因此，这种方法允许直接在实际需要去噪的数据上进行模型训练，并且可以在其他技术无法应用或效果不理想的情况中展现其独特优势。 特别地，N2V对于生物医学图像数据具有重要意义。在这种情况下，获取干净的参考图通常非常困难甚至不可能实现。