深度学习
文章平均质量分 84
leener-Y
这个作者很懒,什么都没留下…
展开
-
ESRGAN:增强型超分辨率生成对抗网络
超分辨率生成对抗网络(SRGAN)[1]是一项开创性的工作,能够在单图像超分辨率期间生成逼真的纹理。然而,产生幻觉的细节往往伴随着令人不快的人工制品。为了进一步提高视觉质量,我们深入研究了SRGAN的三个关键组件——网络架构、对抗性损失和感知损失,并对每一个组件进行改进,以获得增强型SRGAN(ESRGAN)。特别地,我们引入了没有批量归一化的残余密集块(RRDB)中的残余作为基本网络构建单元。此外,我们借用相对论GAN[2]的思想,让鉴别器预测相对真实性,而不是绝对值。原创 2022-11-23 22:28:02 · 1282 阅读 · 0 评论 -
使用生成对抗网络的照片真实单图像超分辨率(SRGAN)
提出基于优化的超分辨率方法的行为主要由目标函数的选择驱动,工作主要集中在最小化均方重建误差。所得到的估计值具有较高的峰值信噪比,但它们通常缺乏高频细节,并且在感觉上不令人满意,因为它们无法匹配较高分辨率下的预期保真度。文章提出SRGAN,一种用于图像超分辨率(SR)的生成对抗网络(GAN)。提出了一个感知损失函数,它由对抗性损失和内容损失组成。对抗性损失将我们的解决方案推向自然图像流形,使用经过训练的鉴别器网络来区分超分辨率图像和原始照片逼真图像。原创 2022-11-23 21:51:54 · 1493 阅读 · 0 评论 -
图神经网络(GNN)基础
提示:用作学习笔记,顺便分享,侵删文章目录前言一、图的基本概念1. 图的表示2. 图的实例3. 图的应用4. 使用图面临的挑战二、图神经网络基础(GNN)1.最简单的GNN2. pooling操作(汇集操作)3. 在图表各个部分之间传递消息三、GNN playground(作者文章的实验部分)四、GNN相关技术1. 其他类型的图2. GNN种图的采样和batch3. inductive biases(归纳偏置)4. GCN和MPNN5. 点和边做对偶6. GAT(Graph Attention Net.原创 2022-05-04 16:47:00 · 1694 阅读 · 0 评论 -
基于元学习和自我监督的图像翻译预训练
提示:系读文章的笔记,侵删。文章目录前言一、摘要二、结论与展望1.结论:新的少镜头多任务图像到图像的转换2.展望:提高性能和稳定性三、介绍四. 背景和相关工作4.1 数据集(风暴事件图像)4.2 评估4.3 生成对抗网络五、小样本的框架和我们的基准前言这篇文章是做实验途中,师兄推荐的,ICLR2022的文章,在4月29日的海报会议上。刚开始写这篇文章时,会议还未举办。文章是在21年12月份传到arxiv上的。目的是为了记录文章,感觉对自己的实验应该有所帮助。文章链接代码链接提示:以下是.原创 2022-04-29 22:27:04 · 1443 阅读 · 0 评论 -
物理增强的深度学习模型改善卫星图像对热带气旋强度和大小估计(翻译)
提示:系学习使用,侵删文章目录前言一、摘要二、结论总结前言师兄在我做实验期间推荐的文章文章利用红外图像生成一、摘要介绍了一种基于深度学习的方法,称为(DeepTCNet)。该方法利用热带气旋(TCs)的先验知识,从北大西洋上空的红外(IR)图像估计热带气旋强度和风半径。虽然标准的深度学习实践与传统的分析方法相比有许多优点,可以产生可靠的TCs估计值,但由机器可读的TCs物理知识提供信息的数据驱动模型可以实现更高的性能。为此,我们探索了两种开发物理增强型DeepTCNet的方法:(i)将T.原创 2022-04-12 17:05:42 · 4485 阅读 · 0 评论 -
A ConvNet for the 2020s 学习笔记
说明:系新手,写文章帮助学习ContentsA ConvNet for the 2020s 学习笔记一、pandas是什么?二、使用步骤1.引入库2.读入数据总结A ConvNet for the 2020s 学习笔记说明:只为学习记录,有误望见谅指正,侵删例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一.原创 2022-04-08 23:13:55 · 2051 阅读 · 0 评论 -
Swin trasnformer 学习笔记
提示:Swin transformer 学习笔记,仅供学习记录,方便日后回顾,侵删文章目录前言一、主要贡献1.如何抓住多尺度特征2. 滑动窗口和窗口自注意力二、网络主干1.模型整体架构2.怎样提高移动窗口的计算效率:采用masking(掩码)的方式计算自注意力3. 相对位置编码三、其他知识补充:1.Test time augmentation(TTA)2. 神经架构搜索(Neural Architecture Search,NAS)3. 归纳偏置(inductive bias)前言文章只供自己学.原创 2022-04-08 21:33:12 · 1721 阅读 · 0 评论 -
pytorch 初始化
文章目录前言一、初始化整个模型二、利用apply1. 判断实例对象类型,利用isinstance()2. 通过类名判断总结前言记录,如何使用pytorch初始化。一、初始化整个模型pytorch 官方resnet代码for m in self.modules(): if isinstance(m, nn.Conv2d): nn.init.kaiming_normal_(m.weight, mode="fan_out", nonlinearity="relu")原创 2022-04-07 16:57:53 · 2082 阅读 · 0 评论