[00104586]搜索轻量级端到端图像信号处理神经网络

　　项目概述：

　　由相机传感器捕捉到的原始数据是一个单通道的马赛克图像，它记录了红、绿、蓝的辐照度，目前还不像一张照片。需要一个摄像机图像信号处理(ISP)管道来将这些原始数据转换为RGB图像，以适应人类的视觉感知。一个传统的ISP管道包括一系列的子处理模块[2]，例如，去噪、去噪、伽马校正、白平衡、颜色校正等。通常，这些模块使用独立的算法重新实现，需要对参数调整进行大量的人工干预。

　　如今，配备高分辨率相机的移动设备已经流行起来，这引发了对高质量移动端ISP的巨大需求。然而，由于移动设备空间紧凑，很难在这些移动设备上部署高端成像硬件。此外，手持技术的不稳定性使得相机只允许较短的曝光时间，从而给原始图像带来了更多的噪声。因此，一个移动特定的ISP需要补偿这些成像的限制。考虑到传统的ISP，设计一个ISP管道和调整内部模块的参数需要图像专家的大量努力。

　　近年来，有研究表明，传统的图像信号处理(ISP)由于其优越的性能，可以被深度神经网络所取代。然而，大多数这些网络需要沉重的计算负担，因此远远不足以部署在资源有限的平台上，包括但不限于移动设备和FPGA。为了解决这一挑战，我们提出了一个自动搜索框架，该框架在满足低计算要求的同时，导出具有高图像质量的ISP模型。为了降低搜索成本，我们采用了权重共享策略，引入超网络，将架构搜索解耦为超级网络训练和硬感知进化搜索两个阶段。利用所提出的框架，我们可以对ISP模型进行一次训练，并在多个设备上快速找到高性能但低计算量的模型。实验表明，搜索到的ISP模型在图像质量和模型复杂性之间有很好的权衡，即与最先进的网络相比，搜索到的流量减少了90%以上的重建质量。

　　（方法概述）

　　（效率提升）