weinidakaishijian的博客

原创 神经网络

原创 交叉熵代价函数（cross-entropy)

目的：让神经网络学习更快假设简单模型: 只有一个输入,一个神经元,一个输出简单模型: 输入为1时, 输出为0初始 w = 0.6, b = 0.9   初始预测的输出 a = 0.82, 需要学习学习率: 0.15演示：初始: w = 2.0, b = 2.0, 初始预测输出: 0.98, 和理想输出0差点很远演示:

原创 超分辨率重建邻域嵌入部分代码

超分辨率重建邻域嵌入部分代码Super-Resolution Through Neighbor Embedding%NE算法function [YT,U,neighborhood] = naneighbor(XT,XS,YS,K)[~,T] = size(XT);[M,~] = size(YS);neighbors\n',K);neighborhood = ze

翻译 超分辨率重建最新算法总结

超分辨率重建最新算法总结Classical Sparse Coding MethodScSR Image super-resolution as sparse representation of raw image patches (CVPR2008), Jianchao Yang et al.基于原始图像块稀疏表示的图像超分辨率Image super-resolution

原创 Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural

Real-Time Single Image and Video Super-Resolution Using an EfficientSub-Pixel Convolutional Neural Network摘要  近来，基于深层神经网络的几种模型在单像超分辨率的重构精度和计算性能方面取得了巨大的成功。在这些方法中，低分辨率（LR）输入图像在重建之前使用单个滤波器（通常是双

原创 Deeply-Recursive Convolutional Network for Image Super-Resolution

Deeply-Recursive Convolutional Network for Image Super-Resolution摘要  我们提出了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，而不会为附加卷积引入新参数。 尽管有一个优点，但由于梯度爆炸/消失问题，使用标准梯度下降法来学习DRC

原创 Accurate Image Super-Resolution Using Very Deep Convolutional Networks

Accurate Image Super-Resolution Using Very Deep Convolutional Networks摘要 我们提出了一种高精度的单图像超分辨率（SR）方法。我们的方法使用了一个非常深的卷积网络，灵感来自于用于ImageNet分类的VGG网络。我们发现网络深度的增加可以使得精度的显著提高。 我们的最终模型使用20层。通过在深层网络结构中多次级联

原创 Enhanced Deep Residual Networks for Single Image Super-Resolution

Enhanced Deep Residual Networks for Single Image Super-Resolution用于单一图像超分辨率的增强型深度残差网络论文摘要  随着深层卷积神经网络（DCNN）的发展，最近对超分辨率的研究也取得了进展。 特别地，残差学习技术表现出改进的性能。在本文中，我们开发了一个增强的深层超分辨率网络（EDSR），其性能超过当前最先进的S

原创 Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network基于生成对抗网络的照片级真实感的单一图像超分辨率重建    摘要  尽管使用更快更深的卷积神经网络的单图像超分辨率准确性和速度有所突破，很大程度上仍然存在一个中心问题未解决：我们如何恢复更细的纹理细节当我们使用lar

原创 matlab下生成的矩阵存入xml文件中

参考：http://blog.csdn.net/wzy1990/article/details/8508662 % name是输入的文件名，data是matlab中的矩阵function createxml(name,datatest)xdoc=com.mathworks.xml.XMLUtils.createDocument('opencv_storage');  xroot

原创 OpenCv下的xml文件在matlab下的读入

openCv生成xml文件：CvMat * data_mat = cvCreateMat(2, 2, CV_32FC1 );cvmSet(data_mat,0,0,1);cvmSet(data_mat,0,1,2);cvmSet(data_mat,1,0,3);cvmSet(data_mat,1,1,4);FileStorage fs("vocabulary.xml", F

原创 人脸识别性别识别 csv文件生成

当我们写人脸模型的训练程序的时候，我们需要读取人脸和人脸对应的标签。直接在数据库中读取显然是低效的。所以我们用csv文件读取。csv文件中包含两方面的内容，一是每一张图片的位置所在，二是每一个人脸对应的标签，就是为每一个人编号。这个at.txt就是我们需要的csv文件。我的数据集在"E:/WXE/yan_yi/gender/gender/gender_img"文件夹下面，我就用下面两行命令

原创 sklearn.model_selection.GridSearchCV 中文

网格搜索最佳参数GridSearchCVclass sklearn.model_selection.GridSearchCV(estimator, param_grid, scoring=None, fit_params=None, n_jobs=1,iid=True, refit=True, cv=None, verbose=0, pre_dispatch='2*n_jobs', error