论文阅读
jinfeng2411
这个作者很懒,什么都没留下…
展开
-
《Structure-Preserving Super Resolution with Gradient Guidance》论文阅读
一、简介虽然 GAN 可以使 SISR(单幅图像超分)生成比较真实的图像(photo-realistic images),但生成的图像中仍然会存在一些结构性失真。为了缓解这个问题,本文提出了 SPSR 网络模型,利用图像的梯度图(gradient maps)去引导 SISR 过程,在保留 GAN 的优点的同时,也保留了图像的结构信息。二、本文方法本文所提出的 SPSR 网络结构模...原创 2020-04-21 22:59:12 · 3231 阅读 · 1 评论 -
MobileNets —— v1,v2,v3
原文地址:1、v1:MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications2、v2:MobileNetV2: Inverted Residuals and Linear Bottlenecks3、v3:Searching for MobileNetV3v1:为了在...原创 2020-03-19 17:46:29 · 332 阅读 · 0 评论 -
Deformable Convolutional Networks——v1 and v2,可变形卷积
V1:Deformable Convolutional NetworksV2:Deformable ConvNets v2: More Deformable, Better ResultsV1:卷积神经网络(CNNs)由于卷积模块固定的几何结构,导致其不能够很好地建模几何形变(geometric transformations)。本文提出了两个可以用于提高CNNs建模几何形变能力...原创 2020-03-11 23:59:00 · 1149 阅读 · 0 评论 -
《Non-local Neural Networks》论文阅读
原文地址:https://arxiv.org/abs/1711.07971一、简介无论是卷积操作(convolutional operation)还是循环操作(recurrent operation),都是在一个邻域内进行的处理。本文受到 Non-local means 的启发,提出了一个可以集成在神经网络中的非局部操作——Non-local Block,来捕获神经网络中的...原创 2020-03-09 09:33:44 · 412 阅读 · 0 评论 -
《VESR-Net: The Winning Solution to Youku Video Enhancement and Super-Resolution Challenge》论文阅读
原文链接:https://arxiv.org/pdf/2003.02115.pdf这篇论文获得了 “阿里巴巴优酷视频增强和超分辨率挑战赛” 的第一名,其整体的网络结构如下:其中几个重要的模块如下:1、PCD Convolution:将邻近帧与参考帧进行对齐2、Seperate Non-Local:将不同帧所包含的信息进行融合3、CRAB:通道注意力残差模块一、PC...原创 2020-03-08 15:20:40 · 1397 阅读 · 1 评论 -
《Meta-Transfer Learning for Zero-Shot Super-Resolution》论文阅读
《基于元-迁移学习的零样本超分辨率》一、简介1、SISR基于图像地退化模型:其中 为LR图像, 为HR图像, 为模糊核(blur kernel), 为下采样的尺度因子, 为高斯白噪声。在SISR(单幅图像超分)领域,大多数CNNs方法的缺点:(1)通过使用大量的外部样本数据进行监督学习,获得了显著的图像超分效果。然而对于一张特定的待超分图像而言,这些方法不能够很好地...原创 2020-03-06 16:43:16 · 3255 阅读 · 0 评论 -
《“Zero-Shot” Super-Resolution using Deep Internal Learning》论文阅读
github地址:https://github.com/assafshocher/ZSSR一、简介本文提出了一种基于深度学习的SR(超分)方法——ZSSR,与以往的深度学习方法需要依赖大量数据集不同,本文强调“Zero-Shot”,即 0 样本学习(其实是在测试阶段,从待超分的LR图像中提取出一些训练对,来进行训练)。ZSSR利用了图像的非局部自相似性——即对于大多数自然图像而言,图像某一...原创 2020-02-02 21:11:32 · 1758 阅读 · 1 评论 -
《Recurrent Back-Projection Network for Video Super-Resolution》论文阅读
原文github地址一、简介1、超分(SR)领域的划分:(1)单幅图像超分(Single-Image SR,SISR):输入一幅图像,输出一幅图像常用策略:更好的上采样方式(better up-sampling layers)、残差学习(residual learing)、反向映射(back-projection)、循环层(recursive layers)和逐级上采样(progr...原创 2019-12-14 16:34:32 · 530 阅读 · 0 评论 -
《Frame-Recurrent Video Super-Resolution》论文阅读
论文地址:https://github.com/msmsajjadi/FRVSR一、常用视频超分方法:将视频超分任务(video SR task)看成多帧超分任务(multi-frame SR task,多幅LR图像生成一幅HR图像):(1)利用输入帧和与输入帧相邻的帧图像,去生成单幅的输出帧(eg:用、、生成)。(2)通过滑窗的方式将(1)中方法作用在整个视频上,形成超分...原创 2019-12-13 21:13:37 · 1042 阅读 · 0 评论 -
《CFSNet: Toward a Controllable Feature Space for Image Restoration》论文阅读
论文地址:CFSNet: Toward a Controllable Feature Space for Image Restoration1、Motivation:(1)大部分的深度学习方法都是针对特定任务和特定数据集的,缺乏灵活性。(2)不同的人对同一幅图像质量的评价存在主观因素(有的人倾向于低失真,有的人倾向于高视觉效果),并且低失真(low distortion )与好的视觉效...原创 2019-12-06 19:42:23 · 936 阅读 · 2 评论 -
《Deep Learning for Image Super-resolution: A Survey》之 Loss Functions
本文节选自论文:Deep Learning for Image Super-resolution: A Survey在图像超分中,用损失函数来衡量重建图像与真实图像之间的差异,并以此来引导模型的优化。关于超分中常用的损失函数(Loss Functions)的总结:1、Pixel Loss(基于像素级的损失)包含loss(平均绝对值误差)、loss(均方误差)其中,为重...原创 2019-11-22 19:53:03 · 1347 阅读 · 0 评论 -
《Deep Learning for Image Super-resolution: A Survey》之 Upsampling Methods
本文节选自论文:Deep Learning for Image Super-resolution: A Survey关于图像超分中上采样(Upsampling)方法的总结:1、Interpolation-based Upsampling(基于插值的上采样方法)(1)Nearest-neighbor Interpolation(最近邻插值)选取最靠近的点作为待插入位置的像素值。优...原创 2019-11-20 22:40:53 · 403 阅读 · 0 评论 -
《Deep Learning for Image Super-resolution: A Survey》 之 Super-resolution Frameworks
本文节选自论文:Deep Learning for Image Super-resolution: A Survey关于超分任务的一些框架总结:1、Pre-upsampling Super-resolution直接将一幅图像从低维空间映射到高维空间是很困难的,因此早期的超分辨率基本使用的都是这种方法。这种方法首先通过传统上采样方法(如:bicubic等)获得一个初始的高分辨率图像...原创 2019-11-19 19:17:48 · 441 阅读 · 0 评论 -
图像中一些“即插即用”的基本网络结构块
本文主要参考文章:【1】Wenming Yang, Xuechen Zhang, Yapeng Tian, Wei Wang, Jing-Hao Xue. Deep Learning for Single Image Super-Resolution: A Brief Review. arxiv, 2018.【2】Saeed Anwar, Salman Khan, Nick Barnes....原创 2019-11-19 17:50:03 · 863 阅读 · 0 评论 -
《Lightweight Image Super-Resolution with Information Multi-distillation Network》论文阅读
原文与代码 github地址论文的贡献(Contributions):(1)提出了轻量级的信息多重蒸馏网络(IMDN)以及它的基本组成块(IMDB)(2)提出了基于对比度的通道注意力( Contrast-aware channel attention(CCA) )(3)提出了自适应裁剪策略( Adaptive cropping strategy(ACS))(4)发现了执行速度...原创 2019-10-16 11:48:14 · 6632 阅读 · 2 评论 -
《CBAM: Convolutional Block Attention Module》论文阅读之 Channel Attention 与 Spatial Attention
为了提高神经网络的性能,许多研究都集中在 “depth, width, and cardinality” 上,而本文的重点在 “Attention”。“注意力机制(Attention mechanism)”听起来很高大上,实际上是关于调整权重的问题,这篇论文提出了一个“即插即用的”的网络结构——CBAM,能够很方便的加到其他的CNN结构中。CBAM利用了通道注意力(channel attent...原创 2019-10-12 19:45:17 · 3670 阅读 · 0 评论