- 博客(3)
- 收藏
- 关注
原创 LRR-Net: An Interpretable Deep UnfoldingNetwork for Hyperspectral Anomaly Detection 论文笔记-基于深度展开网络的高光
基础模型:引入辅助变量,给出增广拉格朗日函数: 分步求解: 考虑深度展开网络后重构模型:引入辅助变量,给出增广拉格朗日函数: 求解: 将传统的迭代过程与深度网络相结合; 由此,原始模型中的参数可以被深度网络中的可学习参数替代(没找到代码,不知道具体怎么设置替代的,深度网络可以指定学习的参数吗?) 之后将所提出的模型求解过程转化为深度网络中不同的模块如下图所示:分别对每一个块进行详细解释: 推测是作者笔误,应该是公式17可以写成: 实际上,通过经验和实验发现,在相邻阶段之间进行的归一化操作在LRR-Net
2023-07-05 22:00:01 549
原创 Reweighted Low-Rank Factorization With Deep Priorfor Image Restoration 论文笔记
传统的低秩回收技术采用加权核范数最小化,这需要执行完整的奇异值分解,因此计算成本很高。利用双线性分解方案,此文提出了用于单信道图像恢复的加权低秩矩阵分解的(RLMF)方法。RLMF方法不仅可以继承双线性分解的计算效率,还可以结合自然图像中奇异值的经验分布。然后,考虑图像信道之间的相关性,将重加权核范数从矩阵推广到张量,并开发了重加权低秩张量分解(RLTF)方法用于多信道图像恢复。来增强RLMF和RLTF方法,通过神经网络架构捕获隐式图像结构,提高恢复精度。
2023-07-03 17:51:44 127 2
原创 Deep Multiview Clustering by Contrasting Cluster Assignments 论文笔记
在 CVCL 模块中,不同视图之间实例的集群分配概率应该是相似的,因为这些实例表征相同的样本。此外,如果多个视图中的实例用于表征不同的样本,则它们彼此无关。5.应最大限度地增加群集内分配之间的相似性,并应最大程度地减少群集间分配之间的相似性。我们同时对样本进行聚类,同时强制实施聚类分配之间的一致性。应最大限度地增加群集内分配之间的相似性,并应最大程度地减少群集间分配之间的相似性。模块中,不同视图之间实例的聚类分配概率应该相似,因为这些实例表征相同的样本。对应于单个示例的不同视图中的实例共享公共语义信息。
2023-06-20 20:32:58 439 1
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