- 博客(92)
- 收藏
- 关注
RSS订阅原创 An Effective and Comprehensive Image SuperResolution Algorithm Combined Witha Novel Convolutional
2021 IEEE一种结合卷积神经网络和小波变换的图像超分辨率算法摘要本文提出了一种结合深度学习和小波变换(ISRDW)的图像超分辨率算法。在网络上设计方面，采用交叉连接和剩余学习方法来降低训练模型的难度。在损失函数方面，本文利用原始图像空间域和小波域产生的损失来加强网络训练的约束。一、介绍基于卷积神经网络的方法跟传统方法相比有了很大的突破，但是仍存在一些问题，现有的SR方法的训练过程大多依赖于空域中逐像素均方误差，使网络输出尽可能接近HR图像，但这种方法容易产生模糊和过于平滑的输出
2022-01-20 21:13:22
2522
原创 ICCV2021：Focal Frequency Loss for Image Reconstruction and Synthesis
用于图像重建和合成的焦频损失摘要在本研究中，我们发现缩小频域间隙可以进一步改善图像重建和合成质量。我们提出了一种新的焦频损耗，它允许模型通过降权重的方式自适应地聚焦于难以合成的频率分量。这个目标函数是对现有空间损失的补充，对由于神经网络的固有偏差造成的重要频率信息损失提供了巨大的阻抗。一、介绍图像重建和合成，在某些情况下，人们仍然可以观察到真实图像和生成图像之间的差距。例如，使用转置卷积的上采样层往往会产生棋盘效应。可以观察到，在真假图像之间的频域差距可能是这些图像合成方法的共.
2021-12-15 17:16:45
2838
1
原创 ICCV-2021:APR
幅度相位重组：重新思考频域卷积神经网络的鲁棒性摘要图像相位谱对于鲁棒视觉系统的重要性仍然被忽略。在本文，注意到CNN倾向于收敛于局部最优，这与训练图像的高频成分密切相关，而幅度谱容易受到噪声或常见的腐蚀等干扰。相比之下，更多的实证研究发现，人类依赖更多的相位成分来实现鲁棒识别。这一观察结果进一步解释了CNN在对常见扰动和分布外检测（OOD）的鲁棒性方面的泛化行为，激发了通过重新梳理当前图像的相位谱和干扰图像的幅值谱来设计数据增强的新视角。即生成的样本迫使CNN更多地关注来自相位分量的结构化信息，
2021-12-03 09:26:34
750
原创 10.29问题总结
1、L1范数为什么可以去噪范数与稀疏性L1 范数正则化和稀疏性（这个描述正则化和L1范数稀疏性的很清晰）如何理解“L1范数是L0范数的最优凸近似”如何理解全变分（Total Variation，TV）模型老师：简单来说，你首先要知道一个图像的梯度的L1范数是怎么求的 噪声图像梯度的1范数和没有噪声图像梯度的1范数，你想想谁的1范数会更大 这也是为什么根据TV模型去噪得到的图像会有阶梯效应的原因由于图像上一般会有噪声，当进行图像恢复时，可能会放大噪声，所以我们需要在恢.
2021-11-09 09:46:24
2043
原创 (DPIR)Plug-and-Play Image Restoration with Deep Denoiser Prior
基于深度去噪的即插即用图像恢复摘要问题：当更深更大的CNN模型迅速流行时，现有的即插即用图像恢复由于缺乏合适的去噪器而阻碍了其性能。为了突破即插即用图像恢复的局限性，我们通过训练一个高度灵活有效的CNN去噪器，建立了一个基准深度去噪器。然后，我们将深度去噪器作为一个模块插入到基于半二次分裂的迭代算法中，以解决各种图像恢复问题。一、介绍从贝叶斯的角度来看，解x可以通过解决最大后验概率（MAP）估计问题得到：其中logp(y|x)表示观测y的对数似然值，logp(x)表示干净图像x的
2021-10-29 11:30:52
4674
1
原创 CVPR-2019：Deep Network Interpolationfor Continuous Imagery Effect Transition
连续图像效果过渡的深度网络插值摘要用户口味的多样性激发了不同输出效果之间的连续过渡的可能性。提出了一种简单而通用的方法来在许多低水平视觉任务中实现对不同图像效果的平滑控制，包括图像恢复、图像到图像转换和风格转换。深度网络插值(Deep Network Interpolation, DNI)，是在两个或多个相关网络的参数空间中进行线性插值。通过调整插值系数可以实现图像效果的平滑控制。一、介绍对于每个特定的任务，深度网络学习一个确定性映射，并为相同的输入输出固定的图像。然而，一个确定的输出不
2021-10-14 09:40:15
489
原创 CVPR_2019:Towards Real Scene Super-Resolution With Raw Images
利用原始图像（raw images）实现真实场景的超分辨率摘要由于（1）缺乏真实的训练数据和（2）模型输入的信息丢失，大多数现有的超分辨率方法在实际场景中表现不佳。为了解决问题，本文：（1）提出了一种新的管道，通过模拟数码相机的成像过程来生成逼真的训练数据（2）开发了一个双卷积神经网络来利用原始图像捕获的射线信息。此外，提出了学习空间变化的颜色变换，这有助于更有效的颜色校正。一、介绍用以表示对象的像素的数量，即，图像分辨率，与相机焦距的平方成正比。虽然可以使用长焦距镜头获
2021-10-11 15:35:36
1180
原创 9.30问题总结
1、ZSSR需不需要单独训练各种尺度不需要。因为网络在测试时进行训练，即，对于每一张测试图像，都会训练CNN网络，同时利用这个网络得到重构图像。其train+test时间与sot A监督CNN的测试运行时间相当。2、ZSSR的实验部分搞明白实验分为两大类：（1）理想情况和（2）非理想情况。（1）理想情况即LR图像是由HR图像双三次下采样得到的。（2）非理想情况真实的LR图像往往无法理想地生成。这又分为两种情况：①非双三次核和②低质量图像（带有噪声、伪影）①使用随机高斯核对HR
2021-10-03 20:27:22
266
原创 9.16问题总结
SCN：Deep Networks for Image Super-Resolution with Sparse Prior1、0范数、p范数等各种范数的意义、计算；为什么基于稀疏编码的方法中要用1范数？范数，是具有“长度”概念的函数，常常被用来度量某个向量空间（或矩阵）中的每个向量的长度或大小。令向量0范数：向量中非零元素的个数。1范数：向量中元素的绝对值之和。2范数：向量中元素的平方和，再开方。也称欧几里得范数，是向量的模值。p范数：向量中元素的绝对值的p次方和的..
2021-09-25 17:49:52
246
原创 (SRMD)CVPR-2018：Learning a Single Convolutional Super-Resolution Network for Multiple Degradations
学习用于多种退化的单卷积超分辨率网络摘要之前存在的问题：（1）现有的基于CNN的SISR方法大多假设LR图像是从HR图像双三次下采样的，因此，当真实退化不符合此假设时，会导致性能差。（2）他们缺乏通过使用单一模型处理多种退化的可伸缩性。因此，提出了一个具有dimensionality stretching strategy（维度扩展策略）的通用框架，使单个卷积超分辨率网络能够考虑SISR退化过程中的两个关键因素：模糊核和噪声级，作为输入。因此，SR可以处理多个甚至空间变化的退化。一、
2021-09-23 16:07:26
1498
原创 （ZSSR）CVPR-2018：“Zero-Shot” Super-Resolution using Deep Internal Learning
摘要在监督学习下，SR方法仅限于特定的训练数据，其中从其高分辨率（HR）获取低分辨率（LR）图像是预先确定的，没有任何分散注意力的伪影（例如，传感器噪声、图像压缩、非理想PSF等）。但真实的LR图像很少遵守这些限制。本文介绍了“Zero-Shot”SR，它利用了深度学习，但不依赖于预先的训练。利用单个图像中信息的内部重现性，并在测试时对仅从输入图像本身提取的示例训练特定于图像的小CNN。因此，它可以使自己适应每个图像的不同设置。这允许在采集过程未知或不理想的情况下，对真实旧照片、噪声图像、生物数据和
2021-09-21 19:01:13
1439
原创 (SFT-GAN)18:Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform
基于深度空间特征变换的图像超分辨率真实纹理恢复
2021-09-19 10:47:00
1606
原创 （MSCN）CVPR-2016：Learning a Mixture of Deep Networks for SingleImage Super-Resolution
一、摘要本文提出了在一个统一的框架中学习SR推理模块的方法。具体地说，首先在LR图像上独立地应用专门用于不同图像局部模式的多个SR推理模块以获得各种HR估计，并且自适应地聚合所得HR估计以形成最终HR图像。二、本文方法整个图像信号空间可以划分为若干子空间，并为每个子空间中的图像信号指定一个SR模块。（1）LR图像作为输入（2）有许多SR推理模块，每一个Bi都用于推断特定类别的图像patch，并应用于LR输入图像以预测HR估计（3）设计了一个自适应权重模块T，用于在像素级自适应组合S.
2021-09-13 21:05:28
436
原创 （IRCNN）CVPR-2017：Learning Deep CNN Denoiser Prior for Image Restoration
本文旨在训练一套快速有效的CNN（卷积神经网络）去噪器，并将其集成到基于模型的优化方法中。贡献（1）训练了一套快速有效的CNN去噪器。通过变量分割技术，强大的去噪器可以将强大的图像先验引入基于模型的优化方法中。（2）学习的CNN去噪器集作为基于模型的优化方法的模块化部分插入，以处理其他逆问题。对经典红外问题的大量实验，包括去模糊和超分辨率，已经证明了集成灵活的基于模型的优化方法和基于CNN的快速判别学习方法的优点。介绍 （2）前一项为保真项，后一项为正则项（...
2021-09-13 18:59:22
1600
原创 (LapSRN)CVPR-2017：Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution
用于快速准确超分辨率的深度拉普拉斯金字塔网络。一、摘要（1）提出了拉普拉斯金字塔超分辨率网络（LapSRN）来逐步重建高分辨率图像的子频带残差。（2）在每个金字塔级别，将粗糙的分辨率特征映射作为输入，预测高频残差，并使用转置卷积进行上采样到精细级别。（3）不需要双三次插值作为预处理，降低了计算复杂度。（4）使用稳健的Charbonnier损失函数对LapSRN进行训练。二、之前的技术存在的问题现有技术主要存在以下几个问题：（1）使用双三次插值进行预处理，增加了计算成本，并且通
2021-09-02 23:02:40
793
原创 （EDSR）CVPR-2017：Enhanced Deep Residual Networks for Single Image Super-Resolution
增强的单图像超分辨率深度残差网络；CVPR，2017主要问题大多数现有的SR算法将不同尺度因子的超分辨率视为独立问题，这些算法需要许多尺度特定的网络，需要独立训练以处理各种尺度。VDSR可以在单个网络中处理多个尺度的超分辨率，但是，VDSR的体系结构需要双三次插值图像作为输入，这导致与使用特定比例上采样方法的体系结构相比，计算时间和内存更大。方法使用单尺度体系结构（EDSR）处理特定的超分辨率比例，使用多尺度体系结构（MDSR）在单个模型中重建各种比例的高分辨率图像。三种模型的残差块
2021-08-31 21:21:59
908
原创 （VGG）VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION
本文研究了卷积网络深度对其大规模图像识别设置精度的影响。我们的主要贡献是使用非常小的（3×3）卷积滤波器的架构对深度增加的网络进行深入的彻底评估，这表明通过将深度推到16-19重量层，可以实现对现有技术配置的显著改进。1 介绍在本文中，我们讨论了ConvNet架构设计的另一个重要方面——它的深度。为此，我们修复了体系结构的其他参数，并通过增加更多的卷积层来稳步增加网络的深度，这由于在所有层中使用了非常小的（3×3）卷积滤波器是可行的。2 卷积神经网络配置2.1 体系结构在训练期间，我们.
2021-07-10 15:02:11
837
原创 (SRCNN)Learning a Deep Convolutional Network for Image Super-Resolution
提出了一种用于单幅图像超分辨率的深度学习方法。我们的方法直接学习低/高分辨率图像之间的端到端映射。该映射表示为一个深度卷积神经网络(CNN)[15]，以低分辨率图像作为输入输出高分辨率图像。我们进一步证明了传统的基于稀疏编码的SR方法也可以被视为一个深度卷积网络。...
2021-07-10 15:00:45
1176
1
原创 C语言学生信息管理系统
用C语言通过对文件的操作来实现该系统。涉及到的文件相关函数：fopen(文件名，使用文件的方式); //文件名写清楚路径 fread(buffer,size,count,fp) ; fwrite(buffer,size,count,fp) ;解决的迷惑： scanf() 用完后缓冲区会遗留‘\n’ c=getchar() 会遗留'\n' gets() 不会遗留‘\n' 所以在会遗留‘\n’的操作后面输入字符或者字符...
2021-03-13 14:40:26
991
1
原创 计蒜客（2017 ICPC Mid-Central USA Region）G. Faulty Robot
G. Faulty Robot题意：n个节点、m条边构成一个有向图，再输入m行，每行包含a、b两个数。若a>0，则a->b为一条普通边；若a<0，则（-a）->b为一条特殊边。节点1为起始点，只能走特殊边；若该点出了bug，则既可以走特殊边也可以走普通边。节点处可能出bug，所有节点最多只能出一次bug。问：有多少个节点你可能会被迫停止，无法继续走。...
2019-08-04 09:05:54
238
原创 CF 682C Alyona and the Tree
codeforces 682C题意：n个节点，每个节点有一个权值，节点之间有（n-1）条边连着，构成一个树，输入n-1行，每行有两个数y和w，第i行代表节点（i+1）与节点y之间的边权值为w。要求：节点u到它的祖先节点的路径长度<=节点u的权值，否则删掉u节点及以u为根节点的树的所有节点，问：最少需要删多少节点。样例：（4～1的距离）67 >14（4的权值），删去节...
2019-08-03 10:41:20
203
原创 计蒜客（ICPC Asia HongKong 2017）E（二分）
计蒜客（ ICPC Asia HongKong 2017）E题意：L个位置，选其中S个位置建立基站，使这S个基站之间的距离都尽可能的大，选完S个位置之后，输出两两基站之间的距离中最小的距离。思路：对距离二分，由题意知，基站之间的距离最小是1,最大是 （最大位置-2），所以直接二分（1～最大位置）即可，也可以直接二分（1～1e6），两两之间距离>=mid的基站对数必须大于等于s-1对，...
2019-08-03 09:13:45
249
原创 CF 989 C A Mist of Florescence（构造）
codeforces 989C题意：输出一个n×m的矩阵，矩阵中包含‘A’ 、‘B’ 、‘C’、‘D’ 四种字符，输入4个数a、b、c、d，分别代表这四个字符所构成的区域的个数（相同的字符如果相邻，则属于同一个区域），a、b、c、d均小于等于100，n、m均小于等于50.思路：直接构造一个50×50的矩阵，平分成四个25×25的矩阵，一个矩阵填充一种字符，即（下面是2×2，50×50有点大...
2019-07-31 15:46:04
405
原创 CF 449B Jzzhu and Cities (单源最短路SPFA)
codeforces 449B题意：n个城市，从1～n编号，m条公路，k条铁路，铁路都是连接城市1和城市s（s由输入得到）的，问最多拆除几条铁路，各个城市到城市1的距离仍最短。思路：数据量有点大，我用的SPFA，算出包括所有铁路公路在内的城市1到其他城市的最短路，然后后期删除不需要的铁路，用一个数组记录每个点的最短路的条数，主要是为了记录到该点长度相同的道路有几条，即入度，方便删除铁路。...
2019-07-29 09:02:25
209
原创 ZOJ 4120 Tokens on the Segments（优先队列）
题目链接题意：给定n个区间，第i个区间为[li，ri]，它代表的坐标为（li，i），（li+1，i），（li+2，i）……（ri，i）。问最多有多少个坐标，它们的横坐标各不相同。思路：将这些区间放入优先队列中，按照区间的左端点从小到大排序，如果左区间相同，按照右区间从小到大排序。mmax记录当前位置之前的最大左区间值，如果当前左区间的值大于mmax，答案加一，mmax更新；如果当前左区间的...
2019-05-18 10:42:21
442
原创 ZOJ Problem Set - 4124 Median（山东省第十届省赛L题）
题目链接题意：n个数，下标从1～n，输入m个关系（输入的为下标），前面的数大于后面的数，问这些数中可能是中位数的标为1,不可能的为0。思路：floyd跑一遍就行了。注意前后矛盾的就是不可能的情况，全部为0，一个数不可能比本身大，a>b之后，b不可能大于a。当时做的时候题意没读对，以为是只有能确定为中位数的才输出1，原来是只要有可能就输出1。代码如下：#include ...
2019-05-15 20:08:39
226
原创 ZOJ 4020 Traffic Light（BFS）
题目链接题意：n行m列，每个位置都有一个数字0或者1（路灯的状态，有且仅有这两种状态），0代表只能从这个位置往上走或者往下走，即（ i+1 ，j ）或（ i-1 ，j ），1代表只能从这个位置往右走或者往左走，即（ i，j+1 ）或（ i ，j-1 ），每走一步，所有位置上的路灯的状态都会发生改变，即1变0，0变1。问：从起始位置到目的位置最少需要走几步。思路：其实就是一个简单的BF...
2019-04-08 16:52:04
221
原创 UVALive 6834 Shopping（贪心）
点击此处查看题目题意：有一条购物街，这条街相当于一个一维坐标轴，入口处为0，n个商店分别位于从1～n的位置，出口位于n+1处。输入的ci和di代表：逛商店ci前必须已经逛了商店di。ci，di都是坐标上的位置。思路：输入的ci di存到结构体里边，按照ci从小到大排序，如果有交叉的位置直接取并集，比如25和37，并集就是27，7->5->3->2，就可...
2019-03-18 10:56:12
250
原创 HDU 6468 zyb的面试（找规律？）
点击此处查看题目题意：将1～n这n个数按照字典序排序，输出第k个数。题目1～15字典序为：1，10，11，12，13，14，15，2，3，4，5，6，7，8，9按照字典序的话，‘10’比’2‘要小，因为’10’中的‘1’小于‘2’，同理，‘11’，‘12’，‘13’，‘14’，‘15’都小于‘2’，就是按照这么个意思排序。当时没做出来QAQ，补题时用的递归，也可以直接7层for循...
2019-03-16 20:29:58
290
原创 二分图---染色法
概念就是顶点集V可分割为两个互不相交的子集，并且图中每条边依附的两个顶点都分属于这两个互不相交的子集，两个子集内的顶点不相邻。从其中一个点开始判断，将跟它相连的点染成和它不同的颜色，如果最后相连的点有相同的颜色，则不是二分图。#include &amp;amp;lt;algorithm&amp;amp;gt;#include &amp;amp;lt;iostream&amp;amp;gt;#include &am
2018-11-17 09:58:12
1732
原创 Shortest Prefixes（字典树）
DescriptionA prefix of a string is a substring starting at the beginning of the given string. The prefixes of “carbon” are: “c”, “ca”, “car”, “carb”, “carbo”, and “carbon”. Note that the empty string...
2018-11-15 21:00:19
1150
原创 UVALive 7785 m-ary Partitions（动态规划）
A partition of an integer n is a set of positive integers which sum to n, typically written in descendingorder. For example:10 = 4+3+2+1A partition is m-ary if each term in the partition is a power...
2018-11-13 19:51:09
219
原创 队列
一、 头文件#include&amp;lt;queue&amp;gt;二、队列的声明queue&amp;lt; int &amp;gt;q; 队列q中存 int 型元素queue&amp;lt; double &amp;gt;q; q中存 double 型元素queue&amp;lt; node &amp;gt;q; q
2018-11-09 19:17:58
179
原创 map
#include<map>map<int,int>m;map常用基本操作m.clear(） //清空mapm.empty() //判断m是否为空m.begin() //返回指向map头部的迭代器m.end() //返回指向map末尾的迭代器m.rbegi...
2018-10-24 10:29:20
1222
原创 HDU5950（矩阵快速幂）
DescriptionFarmer John likes to play mathematics games with his N cows. Recently, they are attracted by recursive sequences. In each turn, the cows would stand in a line, while John writes two posit...
2018-10-11 20:43:03
579
原创 set
set<int>s;set<int>m;set函数的一些功能：s.begin() 返回指向第一个元素的迭代器 s.end() 返回指向最后一个元素的迭代器 s.clear() 清除s中的所有元素 s.size() 返回集合中元素的数目 s.count( val ) ...
2018-10-06 09:38:38
459
转载 博弈
（一）巴什博奕（Bash Game）只有一堆n个物品，两个人轮流从这堆物品中取物，规定每次至少取一个，最多取m个。最后取光者得胜。显然，如果n=m+1，那么由于一次最多只能取m个，所以，无论先取者拿走多少个，后取者都能够一次拿走剩余的物品，后者取胜。因此我们发现了如何取胜的法则：如果n=（m+1）r+s，（r为任意自然数，s≤m),那么先取者要拿走s个物品，如果后取者拿走k（≤m)个...
2018-10-06 09:04:55
207
原创 Prime Palindromes 回文质数（暴力构造）
Description因为151即是一个质数又是一个回文数(从左到右和从右到左是看一样的)，所以 151 号是回文质数。 写一个程序来找出范围[a,b](5 <= a < b <= 100,000,000)间的所有回文质数;Input第 1 行: 二个整数 a 和 bOutput输出一个回文质数的列表，一行一个。Sample Input5 500...
2018-09-18 19:53:46
297
原创 素数筛法优化
int judge[1000010];memset(judge, 0, sizeof(judge));for (int i = 4; i <= 1000000; i += 2) // 所有大于 2 的偶数全都不是素数，首先划掉 judge[i] = 1;for (int i = 2; i <= 1000000; i++){ if (!judge[i]) ...
2018-09-14 19:36:54
296
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人