sdapRandom Sub-Samples Generation for Self-Supervised Real Image Denoising

最新推荐文章于 2024-09-10 20:52:55 发布
最新推荐文章于 2024-09-10 20:52:55 发布
阅读量399 收藏 4
点赞数 5
分类专栏： 降噪 文章标签： 计算机视觉 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tywwwww/article/details/141090289
版权

Random Sub-Samples Generation for Self-Supervised Real Image Denoising

1.ap-bsn

在这里插入图片描述

ap-bsn 转换为公式3，然后pd是固定的

2.ap-bsn 对图像添加噪声

在这里插入图片描述

3.添加扰动 替换为 输入和输出的pd不是一个pd

就变成了公式5
就是下采样若干个sub image, 然后建立损失

在这里插入图片描述

更重要的是，为了使sub image的噪声空间相关性比较小，引入random shuffle策略
这个类似与 neignbor2beighbor, 应该说是一样的。但是neighbor2beighbor的网络是unet主要针对相关性比较低的噪声。

在这里插入图片描述

4.loss

loss是很多对sub image组成的loss

在这里插入图片描述

5.试验

一共试验2个网络，利用我自己的数据集
分别为原论文代码中bsn网络，另一个是unet32网络
测试的时候，a是shuffle2+model+unshuffle2, b是直接输入model
然后分别与 gt计算 psnr和ssim
训练的时候，采用 pd stride=2,4,8

首先利用unet32网络进行训练，得到结果如下, psnr和ssim后面的数字，分别是a,b两种predict的结果
pd stride=2: PSNR: 28.9024,28.9714, SSIM: 0.6815,0.6704
pd stride=4: PSNR: 28.5504,29.6861, SSIM: 0.6474,0.6933
pd stride=8: PSNR: 27.1928,28.9490, SSIM: 0.6171,0.6962
pd越大结果 a预测越平滑， b预测一般是比较好的，pair训练 psnr,ssim 一般为31，0.72

然后利用原blind spot net效果比较差， psnr和unet接近，但是ssim在0.62附近

tony365
关注
专栏目录
计算机视觉论文-2021-06-01
中科院AI算法工程师的博客
06-01 3425
本专栏是计算机视觉方向论文收集积累，时间：2021年5月1日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） ...
计算机视觉论文-2021-07-13
中科院AI算法工程师的博客
07-13 2843
本专栏是计算机视觉方向论文收集积累，时间：2021年7月13日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Anatomy-Constrained Contrastive Learning for Synthetic Segmentation Without Ground-truth AUTHORS: Bo Zhou ; Chi Liu ...
NLP之GPT-3：《 Language Models are Few-Shot Learners》的翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
07-29 1万+
​ NLP之GPT-3：《 Language Models are Few-Shot Learners》的翻译与解读 目录 相关文章 《GPT-3: Language Models are Few-Shot Learners》的翻译与解读 Abstract 摘要 1 Introduction 介绍 2 Approach方法 3 Results 结果 4 Measuring and Preventing Memorization Of Ben
计算机视觉论文-2021-06-10
中科院AI算法工程师的博客
06-10 1413
本专栏是计算机视觉方向论文收集积累，时间：2021年6月10日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:A Machine Learning Pipeline for Aiding School Identification from Child Trafficking Images AUTHORS: SUMIT MUKHERJEE ...
计算机视觉论文-2021-04-06
中科院AI算法工程师的博客
04-06 3234
本专栏是计算机视觉方向论文收集积累，时间：2021年4月6日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:IDOL-Net: An Interactive Dual-Domain Parallel Network for CT Metal Artifact Reduction AUTHORS: TAO WANG et. al. CATEG...
计算机视觉论文-2021-03-10
中科院AI算法工程师的博客
03-10 5089
本专栏是计算机视觉方向论文收集积累，时间：2021年3月9日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Selective Replay Enhances Learning in Online Continual Analogical Reasoning AUTHORS: Tyler L. Hayes ; Christopher Kan...
计算机视觉论文-2021-07-27
中科院AI算法工程师的博客
08-02 2844
本专栏是计算机视觉方向论文收集积累，时间：2021年7月27日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:3D AGSE-VNet: An Automatic Brain Tumor MRI Data Segmentation Framework AUTHORS: XI GUAN et. al. CATEGORY: cs.AI [cs....
计算机视觉论文-2021-03-31
中科院AI算法工程师的博客
04-02 4300
本专栏是计算机视觉方向论文收集积累，时间：2021年3月31日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:3D AffordanceNet: A Benchmark for Visual Object Affordance Understanding AUTHORS: Shengheng Deng ; Xun Xu ; Chaoz...
计算机视觉论文-2021-06-25
中科院AI算法工程师的博客
06-25 1364
本专栏是计算机视觉方向论文收集积累，时间：2021年6月25日，来源：paper digest 欢迎关注原创公众号【计算机视觉联盟】，回复【西瓜书手推笔记】可获取我的机器学习纯手推笔记！ 直达笔记地址：机器学习手推笔记（GitHub地址） 1, TITLE:Advancing Biological Super-resolution Microscopy Through Deep Learning: A Brief Review AUTHORS: Tianjie Yang ; Yaoru...
Random Sub-Samples Generation for Self-Supervised Real Image Den
08-02
《Random Sub-Samples Generation for Self-Supervised Real Image Denoising》这篇论文介绍了一种新颖的自监督实时图像去噪框架——SDAP（Sampling Difference As Perturbation），该框架基于随机子采样生成（RSG）...
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
【论文阅读笔记】NeurIPS2020文章列表Part1
热门推荐
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
YOLOv8改进 | 检测头篇 | YOLOv8引入DynamicHead检测头
tsg6698的博客
09-08 845
以往的工作试图提高各种目标检测头的性能，但未能呈现出统一的观点。到此本文的正式分享内容就结束了，在这里给大家推荐我的YOLOv8改进有效涨点专栏，后期我会根据各种最新的前沿顶会进行论文复现，也会对一些老的改进机制进行补充，如果大家觉得本文帮助到你了，订阅本专栏，关注后续更多的更新~尺度感知注意力模块：该模块仅部署在特征维度的水平方向上，学习不同语义层的重要性，以增强适合单个对象的特定尺度的特征。任务感知：不同的对象表示形式（例如边界框、中心点和关键点）有不同的目标和约束，检测头需要能够处理这些不同的任务。
Opencv实现提取卡号（数字识别）
2401_84670644的博客
09-03 2067
接下来，你可能会想要使用这些数字模板与输入图像中的数字进行匹配，以确定输入图像中每个数字的具体值。这通常涉及到模板匹配技术，如使用。库来解析命令行输入，确保用户提供了输入图像和模板图像的路径。函数读取模板图像的路径，并显示原始图像。自定义的myutils库。
一文分清目标检测 抓取检测 和位姿估计
最新发布
Yyuan12345678的博客
09-10 744
不过，目标检测只能确定物体的2D位置（在图像平面上），不能提供物体的3D位姿（位置和朝向），因此通常需要与其他算法（如位姿估计）结合使用。例如，位姿估计提供准确的物体位置信息，而抓取检测则优化具体的抓取策略，确保机械臂以最佳姿势抓取目标物体。：使用深度学习模型（如GraspNet）来预测物体表面上多个潜在的抓取点及其对应的抓取姿势（如抓取的角度和位置）。通过这个设计，抓取检测确保了在动态场景下找到稳定的抓取点，而位姿估计提供物体的空间位置信息，确保抓取的精确度。位姿估计的任务是确定物体在三维空间中的。
[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别
FL1623863129的博客
09-08 737
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:["Platelets","RBC","WBC","sickle cell"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：2757。标注数量(xml文件个数)：2757。标注数量(txt文件个数)：2757。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
yolo8 目标检测、鉴黄
loveting99的博客
09-03 3958
YOLOv8作为YOLO（You Only Look Once）系列的最新版本，在继承其前代模型优良特性的基础上进行了全面升级。YOLO系列模型自问世以来，以其独特的单阶段检测方法和卓越的实时性能在计算机视觉领域占据了重要位置。YOLOv8的发布标志着目标检测技术的又一里程碑，其在检测速度、精度、灵活性等方面都实现了新的突破，尤其在应用场景的广泛性和复杂性上展现出了更强的适应能力。YOLOv8作为目标检测领域的最新突破，继承了YOLO系列模型的优点，同时在精度和效率上取得了显著的提升。
dubbo-samples.git
09-23
dubbo-samples.git是一个存储在GitHub上的仓库，用于存放Apache Dubbo项目的示例代码。你可以通过克隆这个仓库来获取示例代码，并按照说明运行这些示例。你可以使用以下命令来克隆仓库并进入dubbo-samples/dubbo-samples-api目录： ``` git clone https://github.com/apache/dubbo-samples.git cd dubbo-samples/dubbo-samples-api ``` 在这个目录下，你可以找到一个文件，阅读它并按照说明尝试该示例。此外，你还可以使用Maven依赖来构建和运行这些示例。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值