![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 69
gwpscut
越努力,越幸运
展开
-
超分辨率重建task中,常用数据集总结
SR Datasets有挺多人问我关于超分变率重建的数据集的问题,这里把超分辨率重建领域常用的数据集list出来 Name Datasets Short Description Google Drive Baidu Drive Classical SR Training T91 91 images for tra...原创 2020-03-19 12:01:45 · 7839 阅读 · 3 评论 -
实验笔记之——《Multi-scale Location-aware Kernel Representation for Object Detection》复现
实验python train.py -opt options/train/train_sr.json先激活虚拟环境source activate pytorchtensorboard --logdir tb_logger/ --port 6008浏览器打开http://172.20.36.203:6008/#scalars本博文为论文《Multi-scale Location-...原创 2019-06-19 11:00:37 · 848 阅读 · 0 评论 -
学习笔记之——Bilinear CNN model
双线性模型是2015年提出的一种细粒度图像分类模型。该模型使用的是两个并列的CNN模型,这种CNN模型使用的是AlexNet或VGGNet去掉最后的全连接层和softmax层,这个作为特征提取器,然后使用SVM作为最后的线性分类器该结构由两个特征提取器产生,两个输出是图像每一个位置的外积(outer product),然后进行 pool,得到最终的图像描述算子。这种结构可以对局部 pairwi...原创 2019-06-13 20:20:28 · 4839 阅读 · 2 评论 -
Dilated Convolution (空洞卷积或扩张卷积)
之前博文已经对空洞卷积做了介绍,本文进行深入介绍《各种卷积层的理解(深度可分离卷积、分组卷积、扩张卷积、反卷积)》诞生背景,在图像分割领域,图像输入到CNN(典型的网络比如FCN[3])中,FCN先像传统的CNN那样对图像做卷积再pooling,降低图像尺寸的同时增大感受野,但是由于图像分割预测是pixel-wise的输出,所以要将pooling后较小的图像尺寸upsampling到原始...原创 2019-05-18 18:01:29 · 10074 阅读 · 1 评论 -
论文阅读笔记之——《FishNet: A Versatile Backbone for Image, Region, and Pixel Level Prediction》
本文是对欧阳老师的paper的阅读笔记先给出论文的地址http://papers.nips.cc/paper/7356-fishnet-a-versatile-backbone-for-image-region-and-pixel-level-prediction.pdf论文代码https://github.com/kevin-ssy/FishNet论文讨论的问题就是:对于区域或...原创 2019-05-30 13:47:24 · 1500 阅读 · 0 评论 -
实验笔记之——octave conv (without pooling)
本博文为实验笔记。对之前采用的octave conv进行改进,看看performance,实验python train.py -opt options/train/train_sr.json先激活虚拟环境source activate pytorchtensorboard --logdir tb_logger/ --port 6008浏览器打开http://172.20.36....原创 2019-05-13 10:57:06 · 815 阅读 · 1 评论 -
论文阅读笔记之——《Learning a Discriminative Prior for Blind Image Deblurring》
先给出论文链接(https://arxiv.org/pdf/1803.03363v1.pdf)本文是关于盲去模糊问题。之前做了很长一段时间的盲复原,始终没有得到很好的inspiration,希望这篇论文能有所启发~本文基于data-driven discriminative prior.(数据驱动的先验鉴别),将imageprior作为二进制分类器(CNN),先验的学习(learned ...原创 2019-05-10 20:03:41 · 3140 阅读 · 2 评论 -
各种卷积层的理解(深度可分离卷积、分组卷积、扩张卷积、反卷积)
最近在研究卷积网络的改性,有必要对各种卷积层的结构深入熟悉一下。为此写下这篇学习笔记。文章大部分内容来自于网络的各种博客总结,本博文仅仅作为本人学习笔记,不做商业用途。目录2D卷积3D卷积1*1卷积空间可分离卷积(separable convolution)深度可分离卷积(depthwise separable convolution)分组卷积(Group conv...原创 2019-05-06 20:23:55 · 54892 阅读 · 23 评论 -
论文阅读笔记之——《Temporally Coherent GANs for Video Super-Resolution (TecoGAN)》
先给出论文链接https://arxiv.org/pdf/1811.09393.pdf本人一开始其实是要做video SR的课题的~但是后来几经波折还是没有做,最近看到一个有趣的报道,为此写下这篇学习笔记图像超分辨率技术指的是根据低分辨率图像生成高分辨率图像的过程,该技术希望根据已有的图像信息重构出缺失的图像细节。视频超分辨率技术则更加复杂,不仅需要生成细节丰富的一帧帧图像,还要保持图像之...原创 2019-05-08 16:35:03 · 24843 阅读 · 0 评论 -
开关网络
深度卷积神经网络极大地提高了各种图像恢复任务的性能。然而,这是以增加计算负担为代价的,这限制了它们的实际使用。我们认为一些损坏的图像区域天生比其他区域更容易恢复,因为图像中的失真和内容是不同的。为此,我们提出了一种多路径卷积神经网络(CNN) Path-Restore,它具有一个pathfinder,可以动态地为每个图像区域选择合适的路径。我们采用强化学习的方法对探路者进行训练,并对其进行难度调节...原创 2019-04-05 21:23:00 · 1233 阅读 · 0 评论 -
DCCN(动态条件卷积网络)
DCCN由双子网组成:DyConvNet包含一个动态卷积层和一组基滤波器;CondiNet预测从条件输入到线性组合基滤波器的一组自适应权值。通过这种方式,可以动态地为每个条件输入获取特定的卷积核。滤波器组在所有条件下都是共享的,因此只需要学习一个低维权向量。当训练数据有限时,这大大促进了跨不同条件的参数学习。我们对DCCN进行了四项任务的评估,这些任务可以表述为条件模型学习,包括特定对象计数、多模...原创 2019-04-05 21:19:38 · 4022 阅读 · 0 评论 -
动态滤波器(动态卷积网络)
在传统的卷积层中,学习的滤波器在训练后保持固定。相反,我们引入了一个新的框架,动态过滤器网络,其中过滤器是根据输入动态生成的。结果表明,该体系结构是一个完整的体系结构,具有一定的灵活性和适应性,但没有过多的增加模型参数。通过这种方式可以学习各种各样的过滤操作,包括局部空间转换,也可以学习选择性模糊或自适应特征提取。此外,可以组合多个这样的层,例如在一个循环架构中。我们的动态过滤模块由两个...原创 2019-04-05 21:14:35 · 7180 阅读 · 1 评论 -
deblur相关实验
首先,类似于denoise,做一套实验如下:python train.py -opt options/train/train_sub_sr.jsonbasic model仅仅具备超分的功能(X4){ "name": "basicmodelX4", "tb_logger_dir": "sft666", "use_tb_logger": true, "model"原创 2019-02-09 12:42:41 · 1082 阅读 · 0 评论 -
论文阅读笔记之——《DIFFERENTIABLE LEARNING-TO-NORMALIZE VIA SWITCHABLE NORMALIZATION》
本博文是关于SN(Switchable Normalization)论文的阅读笔记select different normalizers for different normalization layers of a deep neural network.SN switches among them by learning their importance weights.通过学习...原创 2019-01-24 10:48:21 · 791 阅读 · 0 评论 -
论文阅读笔记之——《Dynamic Filter Networks》
the Dynamic Filter Network, where filters are generated dynamically conditioned on an inputincluding local spatial transformations, but also others like selective (de)blurring or adaptive feature ex...原创 2019-01-24 20:49:18 · 5962 阅读 · 0 评论 -
论文阅读笔记之——《Higher-order integration of hierarchical convolutional activations for fine-grained visua》
本文为论文的阅读笔记,并且参考了https://wenku.baidu.com/view/1dd6f253640e52ea551810a6f524ccbff121cab2.html融合不同层的卷积响应,并产生高阶特征instead of part annotations and explicit appearance modeling, we straightforwardly exp...原创 2019-06-09 21:57:42 · 1318 阅读 · 0 评论 -
《Multi-Scale Residual Learning-using a Cycle Spinning CNN for Single Image De-Raining》
de-raining跟超分一样,应该都属于low-levelvision的问题。之前的博客《论文阅读笔记之——《Moiré Photo Restoration Using Multiresolution Convolutional Neural Networks》》介绍的去摩尔纹应该也算是同类型的问题。一开始我认为,这类型的任务跟去噪任务非常像。Single image de-raini...原创 2019-06-20 16:29:06 · 1043 阅读 · 0 评论 -
paper survey ——deep learning or machine learing and optical communication
machine learning 或者说deep learning已经被广泛应用于各种领域,之前本人也发表了几篇ML或者DL跟VLC相结合的论文。本博文主要是对16年后ML或DL跟optical communication结合的相关的论文的调研。仅供本人学习记录用Modulation Format Recognition and OSNR Estimation Usin...原创 2019-10-08 20:41:56 · 1563 阅读 · 0 评论 -
学习笔记之——深度强化学习(Deep Reinforcement Learning)
本博文为本人学习深度强化学习的学习笔记。仅供本人学习记录用,如有写得不对的地方,请多指教哈~目录强化学习深度强化学习基于深度强化学习的移动机器人导航参考资料:Deep Reinforcement Learning,百度百科上对其解释是“深度强化学习将深度学习的感知能力和强化学习的决策能力相结合,可以直接根据输入的图像进行控制,是一种更接近人类思维方式的人工智能方...原创 2019-09-24 17:06:22 · 7917 阅读 · 2 评论 -
论文阅读笔记之——《Compact Bilinear Pooling》
感觉跟之前看过的论文《实验笔记之——《Multi-scale Location-aware Kernel Representation for Object Detection》复现》很类似,通过kernel的近似来实现高维特征的提取虽然bilinear 模型取得较好的performance,但是它的成本高(运算量、存储量)。为此作者提出一种紧凑型的bilinear modelOur pr...原创 2019-07-10 14:28:18 · 3255 阅读 · 1 评论 -
论文阅读笔记之——《Spatial Group-wise Enhance: Improving Semantic Feature Learning in Convolutional Networks》
最近在研究attentionmechanism,感觉缺点之一就是增加较大的运算量。突然看到一篇微信推文说同时几乎不增加参数量和计算量的情况下也能让分类与检测性能得到极强的增益。论文链接:https://arxiv.org/pdf/1905.09646.pdf代码链接https://github.com/implus/PytorchInsight(里面还有各种attention实现)...原创 2019-07-04 11:50:28 · 2814 阅读 · 0 评论 -
paper survey(2019.06.23)——Multi-Scale
类似于之前的paper调研的论文,本博文主要是对于multi-scale在low-level-vision中的应用做调研《Down-Scaling with Learned Kernels in Multi-Scale Deep Neural Networks for Non-Uniform Single Image》论文开篇提到“Multi-scale approach...原创 2019-06-23 17:02:40 · 1481 阅读 · 0 评论 -
学习笔记之——双线性汇合(bilinear pooling)
本博文为学习笔记,博文的内容来自网上各种资料,在文末给出引用,本博文不作任何商业用途,仅供本人学习记录细粒度图像分类旨在同一大类图像的确切子类。由于不同子类之间的视觉差异很小,而且容易受姿势、视角、图像中目标位置等影响,这是一个很有挑战性的任务。因此,类间差异通常比类内差异更小。双线性汇合(bilinear pooling)计算不同空间位置的外积,并对不同空间位置计算平均汇合以得...原创 2019-06-23 14:44:18 · 9090 阅读 · 0 评论 -
NIQE计算
NIQE计算可以参考下面两个github的链接https://github.com/roimehrez/PIRM2018https://github.com/chaoma99/sr-metric进入m文件所在目录后,运行$ matlab -nodesktop -nosplash -r matlabfile只用文件名matlabfile,不能添加.m代码里面有计算mse的...原创 2019-06-23 13:13:38 · 5118 阅读 · 1 评论 -
论文阅读笔记之——《CRRN: Multi-Scale Guided Concurrent Reflection Removal Network》
In this paper, we propose the Concurrent Reflection Removal Network (CRRN) to tackle this problem in a unified framework.Reflections observed in front of the glass significantly degrade the visibili...原创 2019-06-17 22:49:45 · 1009 阅读 · 1 评论 -
学习笔记之——non-local
论文:《Non-local Neural Networks》代码:https://github.com/facebookresearch/video-nonlocal-net卷积操作只关注于局部的感受野,是典型的local operation,如果要增大神经元的感受野,一般是堆叠卷积层和池化层来实现,但是这样计算量和复杂度都会增加,并且feature map的尺寸会较小。为了突破,作者借鉴...原创 2019-06-12 10:08:30 · 4799 阅读 · 2 评论 -
论文阅读笔记之——《Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting》
开篇先放张图片。虽然我之前没有了解过inpainting的任务,但是感觉能做得效果如此好,真的非常厉害了。至少人眼没那么容易区分出修补的部分In this paper, we propose a Pyramid-context ENcoder Network (PEN-Net) for image inpainting by deep generative models.we prop...原创 2019-06-21 20:01:32 · 3992 阅读 · 0 评论 -
论文阅读笔记之——《Scale-recurrent Network for Deep Image Deblurring》
论文链接:https://arxiv.org/pdf/1802.01770.pdf代码:https://github.com/jiangsutx/SRN-Deblur在本论文中,我们探索了一种用于多尺度图像去模糊的更有效的网络结构。我们提出了一种新的尺度循环网络(SRN:scale-recurrent network)(we explore a more effective network...原创 2019-06-21 11:35:19 · 4985 阅读 · 1 评论 -
论文阅读笔记之——《Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring》
论文:https://arxiv.org/pdf/1612.02177.pdf代码:https://github.com/SeungjunNah/DeepDeblur_release代码解读https://blog.csdn.net/wm6274/article/details/71194225数据集下载链接在上面的github里面we propose a multi-sca...原创 2019-06-21 10:47:13 · 5377 阅读 · 2 评论 -
论文阅读笔记之——《Deep Stacked Hierarchical Multi-patch Network for Image Deblurring》
论文:https://arxiv.org/pdf/1904.03468v1.pdf本文是做非均匀deblur的。The goal of non-uniform blind image deblurring is to remove the undesired blur caused by the camera motion and the scene dynamics开篇作者抛出来两个问题...原创 2019-06-20 16:52:16 · 2934 阅读 · 0 评论 -
实验——基于pytorch的超分和去噪网络联合fine tuning
本博文是本人实现超分和去噪网络联合训练与fine tuning的实验笔记先基于之前博文《基于pytorch的噪声估计网络》处理的噪声图片,进行bicubic downsample的操作(应该先bicubic再加噪)进入对应子目录下,运行$ matlab -nodesktop -nosplash -r matlabfilepython train.py -opt options/t...原创 2018-12-26 16:01:35 · 3214 阅读 · 0 评论 -
论文阅读笔记——《Crafting a Toolchain for Image Restoration by Deep Reinforcement Learning》
这篇论文是CVPR 2018 (Spotlight),是本人团队小伙伴余可的作品~代码链接:https://github.com/yuke93/RL-Restore项目主页:http://mmlab.ie.cuhk.edu.hk/projects/RL-Restore/论文链接:https://arxiv.org/pdf/1804.03312.pdf 开篇给出本文得中心,通过深...原创 2018-12-25 20:11:50 · 1546 阅读 · 2 评论 -
学习笔记之——Normalization
本博文是关于normalization的介绍博文。 目录Batch NormalizationLayer normalizationWeight NormalizationInstance normalizationGroup normalizationSwitchable NormalizationReference Normalization....原创 2018-11-26 14:55:44 · 1129 阅读 · 0 评论 -
论文阅读笔记之——《Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform》
本博文是文章《Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform》也就是SFTGAN的学习笔记。附上论文的连接(https://arxiv.org/pdf/1804.02815.pdf)本博文属于本人阅读该论文时写下的阅读笔记,思路按本人阅读的跳跃式思路,仅供本人理解用。...原创 2018-12-02 11:40:13 · 7266 阅读 · 0 评论 -
学习笔记之——SRGAN深度调研报告
SRGAN这个网络的最大贡献就是使用了生成对抗网络(Generative adversarial network)来训练SRResNet,使其产生的HR图像看起来更加自然,有更好的视觉效果(SRResNet是生成网络,对抗网络是用来区分真实的HR图像和通过SRResNet还原出来的HR图像,SRGAN网络的最终目标就是要让对抗网络无法区分真实的HR图像和SRResNet还原的HR图像)。通俗来...原创 2018-11-05 23:29:56 · 7429 阅读 · 1 评论 -
学习笔记之——基于pytorch的残差网络(deep residual network)
本博文为本人学习pytorch系列之——residual network。前面的博文( 学习笔记之——基于深度学习的分类网络)也已经介绍过ResNet了。ResNet是2015年的ImageNet竞赛的冠军,由微软研究院提出,通过引入residual block能够成功地训练高达152层的神经网络。(paper的链接:https://arxiv.org/pdf/1512.03385.pdf...原创 2018-11-01 16:49:32 · 16844 阅读 · 7 评论 -
基于pytorch的FSRCNN的复现
上次的学习笔记——《学习笔记之——基于pytorch的FSRCNN》一直没把PSNR提上来,为此改用代码https://github.com/xinntao/BasicSR通过这套代码的框架来实现FSRCNN,并把实现过程记录在本博文里面。关于这套代码之前也在博文《学习笔记之——SR流程》介绍过。好,下面开始进入正题 目录代码脉络的梳理ConfigDataModelMo...原创 2018-10-26 18:53:07 · 8807 阅读 · 10 评论 -
学习笔记之——基于pytorch的FSRCNN
本博文为本人学习基于pytorch的FSRCNN的学习笔记,仅供本人学习记录用 参考代码来自:https://github.com/icpm/super-resolution和https://github.com/yippp/FSRCNNpytorch的中文文档https://pytorch-cn.readthedocs.io/zh/latest/先采用data_aug.m来增广数...原创 2018-10-24 20:29:40 · 4998 阅读 · 3 评论 -
学习笔记之——SR流程
本博文为本人学习SR流程所写的笔记,笔记有些粗糙~仅供本人自己学习记录 主要参考的材料为(这算是写的比较详细的文档)https://github.com/xinntao/BasicSR首先是准备dataset。下载数据集,经典的SR数据集有(BSD200, T91, General100; Set5, Set14, urban100, BSD100, manga109;...原创 2018-10-23 09:35:20 · 10386 阅读 · 21 评论 -
学习笔记之——基于pytorch的卷积神经网络
本博文为本人的学习笔记。参考材料为《深度学习入门之——PyTorch》pytorch中文网:https://www.pytorchtutorial.com/ 关于反卷积:https://github.com/vdumoulin/conv_arithmetic/blob/master/README.md关于卷积和反卷积函数中的参数——“dilation(int or tuple, opt...原创 2018-10-28 18:20:46 · 2102 阅读 · 1 评论