Deep Image Prior 阅读笔记

wxy’s Deep Image Prior 阅读笔记

说明：个人的学习笔记，欢迎交流，如有侵权请私信，非常感谢。

时间：6.1-6.5

【收获】

6.1：
稍微看了一点DL的基础，大概就是多层次的特征描述构建了一个模型，DL是试图用机器来构建这个模型，ML是机器在这个模型上学习，然后产生某些概念的理解或者学习做某类事情？可能理解得不太对，等待日后再修正。

深度卷积网络就像一个函数f，然后输入随机编码z，希望输出x，所以训练参数，训练很久之后可以实现输出一模一样的x，如果在一般时间打断它，那么输出的就是感觉修复过一点的图像。想到了以前自己想把一张图片的水印去掉，选择把他放大，然后看没有水印的地方，选择水印周围的颜色根据原来还存在的纹理，然后修补水印部分的纹理。也就是说在这个模型下机器能够像人一样学习还存在的规律，然后修补一部分，然后又在修补后的基础上再学习，有点像递归的过程。

6.2：
Deep Image Prior：他先学会如何复制出一张完整的图片，然后复制出一张不完整的图片。
观点来自，虽然还没有看过论文，但是觉得讲得还蛮有道理的，不知道是不是准确，有待日后修正。
Deep Image Prior优点：1.