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.