【论文阅读手札】MAMNet: Multi-path Adaptive Modulation Network for Image Super-Resolution

最新推荐文章于 2022-12-22 12:58:52 发布
最新推荐文章于 2022-12-22 12:58:52 发布
阅读量552 收藏 1
点赞数
分类专栏： 学习笔记 超分辨率论文解析，持续更新 论文阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hunter_Murphy/article/details/109279170
版权

先上网络结构图，让大家有个直观感受！

在这里插入图片描述
在这里插入图片描述

MAMNet

一、摘要

  • 本文着眼于卷积操作缺乏自适应的特性，也就是不能适应于图像的不同特征的问题，而这一点恰恰限制了卷积的表征能力，从而导致模型的规模过大，也就是参数过多。

具体如下：
近些年，基于深层CNN的SR方法取得了显著的进步。然而，由于卷积存在非自适应的特点，故而卷积对于图片的多种特征难以自适应，这限制了它们的表征能力，进而导致了模型的规模过大（也就是模型的参数过多或者模型的计算成本过大）。为了解决这些问题，本文提出了多路自适应模块网络（MAMNetÿ

了解本专栏 订阅专栏 解锁全文
月满星沉
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
订阅专栏
论文笔记：Cross-Modulation Networks For Few-Shot Learning
Learn2Learn的博客
12-21 1232
这两天读完的一篇论文,Universitat Autònoma de Barcelona和Google Brain对小样本学习的研究,已被NIPS 2018 Workshop on Meta-Learning接收。其中的研究思路值得mark学习下。论文不长，除去引用和实验表格和图片,内容才3页，所以能很快读完。但里面涉及到许多概念需要补其他论文，所以需要一定时间理解，以下简单总结整理： Abstr...
sublime-text-tips:Sublime Text 使用手札
06-08
sublime-text-tips SublimeText 是近年Swift窜红的文字编辑器之一，受到很多前端以及程式设计师的喜爱。但历经了SublimeText 2 以及SublimeText 3 两种版本的演进之后，网路上众多对于如何设定与使用SublimeText 的...
CSAR——Channel-wise and Spatial Feature Modulation Network for Single Image Super-Resolution
Ma_tx
12-12 741
####CSAR（Channel-wise and Spatial Attention Residual ） 包括通道（变成c*1*1)和空间维度(1*h*w)注意力
MAANet: Multi-view Aware Attention Networks for Image Super-Resolution
qq_34049103的博客
10-29 672
该文章主要写了在超分过程中从低分辨率图片恢复到高分辨率图片时大部分方法无法从低分辨率图像中恢复含足够高频信息的高分辨率图像，此文章提出一个假设即通过充分利用低分辨率图像的高频信息也就是纹理细节有利于SR生成高分辨率图像的纹理细节，因此该文章提出了一个局部注意力机制和全局注意力机制。 首先局部注意力机制：1.经过浅特征提取后将图像进行平均池化此处令ks=s这样设置使在池化块滑动时不会有相同的元素出现...
Cross-Modulation Networks For Few-Shot Learning
niuniu2878499107的博客
11-24 305
作者是在基于度量的学习的模型基础上，通过Cross-Modulation方法将每个抽象级别的support and query examples 整合，从而达到更好的预测表现。 方法 论文的核心方法是将Feature-wise Linear Modulation（FiLM）方法引入到度量学习中，关于FiLM的思想和具体实现可查阅原论文，这里就简单介绍下。 FiLM 将一种条件决定的面向特征的仿射变...
论文复现：Focal modulation networks
m0_63642362的博客
12-22 2164
该论文提出了一个focal modulation network（FocalNet）使用焦点调制（focal modulation）模块来取代自注意力（SA ：self-attention）。作者认为在Transformers中，自注意力可以说是其成功的关键，它支持依赖于输入的全局交互，但尽管有这些优势，由于自注意力二次的计算复杂度效率较低，尤其是对于高分辨率输入。
java程序员手札-基础篇-01
09-29
【Java程序员手札-基础篇-01】涵盖了Java编程语言中的基础知识，这些知识点是每位Java程序员必须掌握的。在日常开发和面试中，对这些概念的理解和运用能力至关重要，因为它们构成了Java程序设计的基础。以下是一些...
预算手札--土建预算员经验笔记.doc
01-14
预算手札--土建预算员经验笔记.doc
白球手札：微信小程序学习摘要
03-29
框架 微信小程序是一个框架，小程序开发框架。 目标是通过尽可能简单、高效的方式让开发者可以在微信中开发具有原生 APP 体验的服务。 框架结构 自己的视图层描述语言（View） WXML 和 WXSS 基于 JavaScript 的逻辑...
Web-Learning-HTML_CSS:分享所学之HTML与CSS基础网页设计知识，供社区中文使用者浏览，学习
03-28
HTML与CSS网页设计学习手札一点说明目录1.网站，浏览器与日常（1）浏览器（浏览器）浏览器（Browser）是我们用来浏览网站的软件，著名的浏览器有Google Chrome，Firefox，Safari，Opera，Microsoft Edge与Internet ...
MAMNet-Tensorflow-2：MAMNet的Tensorflow 2.0实现
02-26
MAMNet-Tensorflow-2 该存储库是论文“ MAMNet：用于图像超分辨率的多路径自适应调制网络”的非正式Tensorflow 2.0实现。 Tensorflow的官方实现可以在这里>> [ ]。 如果您对此工作有任何兴趣或疑问，请随时与我们联系。 [ ] 介绍 近年来，基于深度卷积神经网络（CNN）的单图像超分辨率（SR）方法取得了重大进展。 但是，由于卷积运算的非自适应性质，它们无法适应图像的各种特征，这限制了它们的表示能力，因此导致不必要的大模型尺寸。 为了解决这个问题，我们提出了一种新颖的多径自适应调制网络（MAMNet）。 具体来说，我们提出了一种多路径自适应调制块（MAMB），它是一种轻巧而有效的残差块，可通过三个路径充分利用残差特征信息来自适应地调制残差特征响应。 这三种路径为适合SR的三种信息建模：1）使用全局方差池的信道特定信息（CSI），基于CSI的
TF训练网络GPU/NPU测试FAQ记录
yuzipeng的专栏
08-13 1115
DFN网络 GPU运行 github链接：https://github.com/YuhuiMa/DFN-tensorflow 1、报错：Could not load dynamic library 'libcudart.so.11.0’ 解决方法：在host侧执行apt install nvidia-cuda-toolkit，然后重新进入容器运行 2、报错：AssertionError: The number of images in the data/train/main is not equal to
【转】浅谈人类视觉系统与卷积神经网络(CNN)的联系和区别
u014546828的博客
05-25 5655
浅谈人类视觉系统与卷积神经网络(CNN)的联系和区别 文章转载：叶强 深度学习 / 强化学习 / 机器学习 / 算法 / 眼科学 声明：本文为作者原创、欢迎免费规范转载。本文使用的一些图片素材来自于网络，感谢素材提供方，如有侵权请联系告知。 前言 熟悉深度学习的朋友们一定不会对卷积神经网络（CNN）感到陌生，与传统的全连接深度学习神经网络（DNN）相比，CNN具有权重参数共享、灵活的特征检测等特点，其一定程度上甚至独立于主流的DNN。关于CNN，大家可能都广泛知晓其背后的灵感来自于人视觉系统中一个
文献阅读:Multi-scale Residual Network for Image Super-Resolution
暮日落流年的博客
01-05 4638
文章地址： http://openaccess.thecvf.com/content_ECCV_2018/html/Juncheng_Li_Multi-scale_Residual_Network_ECCV_2018_paper.html 作者的项目地址： MSRN-PyTorch 1 简单介绍     在这篇论文中，作者从重建经典的超分辨率模型开始讲起，包...
Win10 安装 Anaconda 3.5 和 Pytorch 0.4.0 (步骤简单，讲解详细)
u014546828的博客
05-16 4万+
Pytorch最新推出了windows版。因此亲自尝试了如何成功用 Anaconda 3.5 安装最新版 Pytorch 4.0。1. 安装 Anaconda 3.51.1 下载：直接从Anaconda官网下载windows版会非常慢。因此才用清华镜像下载。网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/这里在最后一行选择 Anac...
超分辨率图像理解
lyqmath的专栏
01-13 2940
参考： http://www.ilovematlab.cn/viewthread.php?tid=111929&extra=page%3D1%26amp%3Bfilter%3Dtype%26amp%3Btypeid%3D1待整理
MyDLNote - Attention: RAM: Residual Attention Module for Single Image Super-Resolution
u014546828的博客
09-29 1427
RAM: Residual Attention Module for Single Image Super-Resolution 我的博客尽可能提取文章内的主要传达的信息，既不是完全翻译，也不简单粗略。论文的motivation和网络设计细节，将是我写这些博客关注的重点。 Abstract Attention mechanisms are a design trend of deep ...
【解决错误】ModuleNotFoundError: No module named ‘tqdm‘
热门推荐
学习带来的快乐最持久~
11-14 5万+
一、报错 Traceback (most recent call last): File "train.py", line 2, in <module> from tqdm import tqdm # 进度条 ModuleNotFoundError: No module named 'tqdm' 二、原因 这是由于环境中缺少了tqdm进度条的安装包，需要使用conda或者pip命令进行安装。 三、解决方案 安装命令如下： pip install tqdm conda in
whole slide image
最新发布
08-26
Whole Slide Image（WSI）是一种数字化的图像技术，主要应用在病理学细胞图像领域。它是利用数字扫描仪对传统的病理切片进行扫描，采集具有高分辨率的数字图像，再通过计算机将得到的碎片化图像进行无缝拼接整合，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值