典型DNCNN模型有哪些层？

典型的DNCNN（Deep Convolutional Neural Network）模型主要由以下几个层组成：

1. 输入层：接收输入图像。

2. 卷积层：使用多个卷积核对输入图像进行卷积操作，提取图像特征。

3. 激活函数层：对卷积层的输出进行非线性映射，增加模型的非线性能力。

4. 残差连接层：将输入图像和输出图像进行逐像素相减，得到残差图像。

5. 批量归一化层：对残差图像进行归一化处理，加速网络训练。

6. 加权求和层：将归一化后的残差图像与原始输入图像进行加权求和，得到恢复图像。

7. 反卷积层：对恢复图像进行反卷积操作，尽量恢复原始图像的细节。

8. 输出层：输出最终恢复的图像。

这些层组合在一起构成了典型的DNCNN模型，用于图像去噪任务。