- 博客(4)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 [Paper Note] MixNet: Mixed Depthwise Convolutional Kernals
abstractMixNet这篇文章系统研究了不同尺寸的卷积核对于最终结果的影响，提出了一个混合深度卷积(MDConv)，在一个卷积中混合了多个卷积核尺寸。然后把MDConv集成到AutoML的搜索空间，构建了MixNets。不同卷积核尺寸对模型的影响如下：MDConv architecture因为不同大小的卷积核捕捉的模式不同，特征不同，所以把通道分成多组，每组通道使用不同尺寸的卷积...
2019-07-28 16:33:02
630
2
原创 [Paper Note] Meta-SR A Magnification-Arbitrary Network for Super-Resolution
Summary这篇文章的创新点在于提出了Meta-Upscale Module这个模块，实现了任意尺寸的放大（当然这篇论文做的主要是x1-x4的倍数），核心思想是HR和LR图片之间实际上是一个缩放关系，有一个缩放因子r。LR的像素通过一组滤波器权重可以映射到SR上，所以找到SR图片和LR图片的像素映射，训练出滤波器权重。(1)ISR(i,j)=Φ(FLR(i′,j′),w(i,j))\mat...
2019-07-23 21:32:10
391
原创 DataLoader windows平台下 多线程读数据报错 | BrokenPipeError: [Errno 32] Broken pipe | freeze_support()
DataLoader多线程读取数据使用DataLoader读取数据时，为了加快效率，所以使用了多个线程，即num_workers不为0，在windows下报了错误。DataLoader(trainset, batch_size=128, shuffle=True, num_workers=2) https://github.com/pytorch/pytorch/pull/5585...
2019-07-18 19:40:21
4485
7
原创 [Paper Note] Densely Residual Laplacian Super-Resolution
Abstract超分辨率卷积神经网络最近证明了单个图像的高质量恢复。然而，现有算法通常需要非常深的架构和长的训练时间。此外，目前用于超分辨率的卷积神经网络无法利用多种尺度的特征并对它们进行相同的权衡，从而限制了它们的学习能力。在本次论述中，我们提出了一种紧凑而精确的超分辨率算法，即Densely Residual Laplacian Network (DRLN)）。所提出的网络在残余结构上采用级...
2019-07-05 22:07:45
1688
13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人