mmegumi7-CSDN博客

原创关于图像去雨RESCAN的理解

之前的工作只是将上一阶段的输出图像作为当前阶段的输入，而没有考虑这些阶段之间的特征联系。我们在RNN建立了一个具有记忆单元的网络(31)，以便更好地利用前一阶段的信息，并在后一阶段指导特征学习。对于特征图，我们把它们的每个通道看作是一个雨带层的嵌入。因为有不同的雨层重叠，不可能通过一步就简单的将所有的雨层去除掉，因此设计递归网络逐步去除。为了明确地为每个图像导入每个网络层上的权重，我们用SE块，它为每个项目的每个通道计算归一化的阿尔法值。图像去雨指的是从受雨滴影响的图像中去除雨滴，以便获得更清晰的图像。

2025-05-11 14:10:54 431

原创图像感知压缩（学习笔记）

其中，fn表示图像阵列中第n个位置的像素值，pm个第条射线上的投影值，ωmn表示第n个像素对第m条射线的贡献率，所有ωmn组成一个MxN的矩阵W，即为系统矩阵。检验是否满足收敛条件或符合迭代停止条件，否则将得到的图像估计作为输入，重复步骤(1)、(2)、(3)、(4)，直至满足条件，输出重建图像矩阵。通过在图像f生成测量投影数据p这一事实的约束下，最小化图像的L1范数来实现。其中，f为待求的未知图像阵列，Ψ为某种稀疏变换（使图像f经变换后是稀疏的），A为M*N的系统矩阵，且M<<N，p为投影数据。

2025-04-20 19:15:25 666

原创人体2D姿态评估（OpenPose）

类似地，手部边界框提案是使用手臂关键点生成的。OpenPose 系统作为该方法的实现，具备实时、开源、多平台运行的特点，成为了一种高效、准确的姿态估计工具。是指基于图像处理、机器学习和深度学习等方法，对给定的图像序列进行人体姿态检测，并给出人体模型的热点图，主要针对单帧图像中人体位姿的估计，并不考虑连续时间下位姿变化形成的动作含义，将人体姿态估计定义为人体关键点的定位问题。同时推断这些自底向上的检测和关联表示编码了足够的全局上下文，使得贪婪解析能够实现高质量的结果，同时计算成本仅为传统方法的一小部分。

2025-03-19 20:06:12 423 1