粗略看看-超分

ALIVE16:40

已于 2023-03-08 17:25:14 修改

阅读量63

点赞数

文章标签：深度学习

于 2023-02-14 15:32:09 首次发布

本文链接：https://blog.csdn.net/qq_37125419/article/details/129027841

版权

AddNet 加法网络代替卷积乘法网络减少能耗用在超分上

论文解读：AdderSR Towards Energy Efficient Image Super-Reso_the sourth wind的博客-CSDN博客

MASA-SR: Ref-SR相关，主要参考它在把Ref图迁移到LR时，考虑了两张图的分布(颜色之类)差异做了个类似AdaIn的步骤

CVPR 21 | MASA-SR：基于匹配加速和空间自适应的Ref-SR方法 - 知乎 (zhihu.com)

Flow-based Kernel Prior with Application to Blind Super-Resolution 用到流模型特别是在隐空间搜索

Flow-based Kernel Prior with Application to Blind Super-Resolution_hhh-g的博客-CSDN博客

Unsupervised Degradation Representation Learning for Blind Super-Resolution对比学习模糊核估计

Unsupervised Degradation Representation Learning for Blind Super-Resolution_coder-shen的博客-CSDN博客

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ALIVE16:40

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
粗略看看-超分

AddNet 加法网络代替乘法网络减少能耗用在超分上。
复制链接

扫一扫

【图像超分】论文精读：Fast and Accurate Single Image Super-Resolution via Information Distillation Network（IDN）

畅游计算机视觉的海洋

05-06

168

最近，深度卷积神经网络(CNNs)在单图像超分辨率方面取得了显著的进展。然而，随着网络的深度和宽度的增加，基于cnn的超分辨率方法在实践中面临着计算复杂度和内存消耗的挑战。为了解决上述问题，我们提出了一种深度但紧凑的卷积网络，从原始低分辨率图像中直接重建高分辨率图像。一般来说，所提出的模型由三部分组成，分别是特征提取块、堆叠信息蒸馏块和重建块。通过将增强单元与压缩单元组合成一个蒸馏块，可以有效地提取局部长路径和短路径特征。具体来说，所提出的增强单元将两种不同类型的特征混合在一起，压缩单元为顺序块提取更有用的

【图像超分】论文精读：Deeply-Recursive Convolutional Network for Image Super-Resolution (DRCN)

畅游计算机视觉的海洋

03-15

9287

我们提出了一种使用深度递归卷积网络 (DRCN) 的图像超分辨率方法 (SR)。我们的网络有一个非常深的递归层（最多 16 个递归）。增加递归深度可以提高性能，而无需为额外的卷积引入新的参数。尽管具有优势，但由于梯度爆炸/消失，使用标准梯度下降法学习 DRCN 非常困难。为了减轻训练的难度，我们提出了两个扩展：递归监督和跳层连接。我们的方法大大优于以前的方法。

参与评论您还未登录，请先登录后发表或查看评论

Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation论文解析（视频超分）

qq_41889864的博客

03-11

4109

Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation论文解析（视频超分）论文可以直接必应搜索下载，比百度好用主要贡献提出了一种基于亚像素卷积和时空网络的实时视频超分方法。比较早期融合、慢速融合、3D卷积。提出一种基于多尺度空间变换器网络的密集帧间运动补偿的有效方法。将所提出的运动补偿技术与时空模型相结合，以提供一种高效的、端到端可训练的运动补偿视频 SR 算法。

超分之VESPCN

Ton的博客

04-14

2033

这篇文章不再是只针对Single-Image做超分，而是主要为了提升视频的分辨率；本文由Twitter推出了一种称之为VESPCN的网络结构，主要利用运动估计模块和时序空间模块来对连续帧输入做超分。VESPCN是第二代ESPCN，解决了ESPCN无法利用视频具有高度时间冗余的特点，因此VESPCN将ESPCN升级成Spatial-Temporal-sub-pixel卷积网络，并结合运动补偿完成视频超分任务，此外VESPCN在single-Image上可以减少一定程度的资源消耗。参考目录： ①深度学习端到.

如何看电子电路图

01-20

读图就是要看懂一个电原理图，即弄清电路由哪几部分组成及它们之间的联系和总的性能(如有可能，还要粗略估算性能指标)。电子电路的主要任务是对信号进行处理，只是处理的方式(如放大、滤波、变换等)及效果不同而已，...

title_compare:简化的单词袋，比较两个标题（字符串类型），返回相似性的粗略度量（0-99）

05-20

简化的单词袋，比较两个标题（字符串类型），返回相似性的粗略度量（0-99）。 Python 2.7 比较两个字符串（如标题或句子），并返回一个权重（整数）0-99，指示两个字符串的相似程度。显然，加权是加权的，因此，...

LeGO-LOAM源码

01-18

粗略估计阶段快速提供初始的全局位姿估计，减少匹配过程中的搜索空间；精细估计阶段通过多层特征匹配，实现高精度的局部地图更新和位姿优化。 **2. 粗略估计** - **平面检测**：通过对激光点云进行平面分割，快速...

LeGO-LOAM批注版

03-23

接着，利用这些匹配的特征点来估计机器人位姿的变化，形成一个粗略的估计。最后，通过全局优化策略，结合IMU（惯性测量单元）数据，对位姿进行精细化调整，确保长期运行下的定位精度。批注版的出现，意味着这个...

graudit：grep粗略审核-源代码审核工具

02-05

格劳迪特graudit是一个简单的脚本和签名集，可让您使用GNU实用程序grep查找源代码中的潜在安全漏洞。它可与其他静态分析应用程序（如RATS，SWAAT和缺陷查找器）媲美，同时将技术要求降至最低，并且非常灵活。...

卷积的意义及其派生（一）

zcg1942的博客

07-26

872

one by one 卷积最早出现在NIN文章中，GoogleNet中的Inception得到了使用，作用主要是降维/升维。和普通卷积核的区别就是滤波器大小是1x1，这样每个像素的卷积结果就与其邻域无关，即没有考虑局部信息之间的关系。既然在空域上相当于对图像整体乘一个因子，那么它是怎么起作用的呢。对图像灰度值的缩放确实没什么收益，收益发生在图像是多通道时。当图像为多通道时，feature ...

《昇思 25 天学习打卡营第 21 天 | LSTM+CRF序列标注模型实现》

m0_61486963的博客

07-24

393

序列标注是信息抽取中的一个关键任务，包括分词、词性标注、命名实体识别等。例如，在命名实体识别中，需要识别文本中的地名、人名等实体。CRF层的实现包括前向训练部分和解码部分。# 初始化CRF层参数# ...# 根据传入的emissions和tags决定是前向计算还是解码# ...

GAT知识总结

weixin_74152658的博客

07-25

1083

解决GNN聚合邻居节点的时候没有考虑到不同的邻居节点重要性不同的问题，GAT借鉴了Transformer的idea，引入masked self-attention机制，

【创新未发表】Matlab实现黏菌优化算法SMA-Kmean-Transformer-LSTM负荷预测算法研究.rar

最新发布

07-29

1.版本：matlab2014/2019a/2021a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 5.作者介绍：某大厂资深算法工程师，从事Matlab算法仿真工作10年；擅长智能优化算法、神经网络预测、信号处理、元胞自动机等多种领域的算法仿真实验，更多仿真源码、数据集定制私信+。替换数据可以直接使用，注释清楚，适合新手

PyTorch使用教程.pdf

07-29

PyTorch 是一个开源的机器学习库，广泛用于计算机视觉和自然语言处理等领域。以下是一个简化的 PyTorch 使用教程，不采用分点或Markdown格式。首先，确保你安装了 PyTorch。你可以通过访问 PyTorch 官网获取安装指令，根据你的系统环境（如 Windows, macOS, Linux）和是否使用 GPU 支持进行安装。安装完成后，你可以开始编写 PyTorch 代码了。这里，我们将通过一个简单的例子来展示 PyTorch 的基本用法：创建一个简单的神经网络来识别手写数字（基于 MNIST 数据集）。

ubuntu man帮助手册

07-29

ubuntu man帮助手册

彩屏驱动开发技术资料提高篇TFT-51-11.zip

07-29

彩屏驱动开发技术资料提高篇TFT-51-11.zip

5.Android_音动炫彩3D播.zip

07-29

5.Android_音动炫彩3D播

500KW两级式光伏并网逆变系统分析与设计

07-29

本科毕业论文

LE-10激光尺安装与安全指南

- 光束校准是确保测量精度的关键步骤，包括粗略对准、反射镜安装、角度调节（扭摆和俯仰）、平移调节，以及干涉镜的安装。 - 校准完成后，需要将设备固定在最终位置。 5. **系统集成**： - 讲解了如何处理复位...