自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(14)
  • 收藏
  • 关注

转载 Faster-RCNN,知乎博主的一个链接

链接: link.一个博主对于Faster-RCNN的分析,无比透彻

2019-10-03 17:01:50 299

转载 Meta-SR: A Magnification-Arbitrary Network for Super-Resolution论文解析

https://blog.csdn.net/m0_37615398/article/details/88382556这篇作者的解析就很不错,本文只在他的解析的基础上,对于本文认为的其他的重点加以补充。因为该篇文章,主要解决 arbitrary scale factor 情况下的 super-resolution. 这样就能使得SISR实际中更多的应用。现在只给出该篇论文中比较重要的模型结构...

2019-03-12 11:37:12 4050 2

转载 March 11-Deep High-Resolution Representation Learning for Human Pose Estimation-paper reading

https://blog.csdn.net/ls83776736/article/details/87993726这篇文章的博主也是对于此文做了简单的介绍论文原文下载下面这幅图是本文提出的HRNet 的模型的主要结构。这个模型和以前的模型不同,在模型中图像始终保持着高分辨率,但是平行的在subnetworks中,在向下的操作中,在做lower-resolusion,只是最后会讲这些与...

2019-03-11 22:35:34 338

转载 March 11- Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regressionhttps://mp.weixin.qq.com/s/kJfitOheQB6VchZ_96f-nQ看了这篇微信文章开始看了下论文的全文,对于损失函数的提出,比较有建设性意见,是出彩的地方。论文原文下载1. Introd...

2019-03-11 20:41:47 425

转载 March 11-CVPR 2019 paper reading PFLD: A Practical Facial Landmark Detector

PFLD: A Practical Facial Landmark Detector最重要的是,本文中关于loss function的处理,提出了一种方法。这是本文中比较重要的一个点,loss function,另一个重要的点,是本文中,mobilenet的使用。这是本文的模型,mobilenet block的使用,减少模型的大小,减少内存的占用。https://blog.csdn...

2019-03-11 17:18:36 560 1

翻译 VIDOSAT- High-dimensional Sparsifying Transform Learning for Online Video Denoising(March.2)

VIDOSAT- High-dimensional Sparsifying Transform Learning for Online Video Denoisinghttps://arxiv.org/abs/1710.00947这篇文章读下来,本质上尽管处理的是3D的问题,处理的是video问题,但是还是转化成2维的问题来做的。文章最主要的算法图如下:这是本文的主要符号说明。本...

2019-03-02 20:25:27 1177

原创 Feb.27~image super-resolution reconstruction, paper reading

Multi-frame image super-resolution reconstruction via low-rank fusion combined with sparse coding这篇文章看起来和2月初读的一篇关于图像去噪是自相矛盾的,这篇文章可以方法成立的条件是,HR和LR图片用字典表示时候的协方差系数矩阵是类似的,也就是那个 α\alphaα 在两种情况下是一样的。在求解中也应...

2019-02-27 22:04:58 336

原创 Jan. 14 - Jan. 25th 2019 two weeks paper reading

Jan. 14 - Jan. 25th 2019 two weeks paper readingpaper reading list--- Image Denoising1 A multiscale Image Denoising Algorithm Based on dilated residual Convolution Network [link](https://arxiv.org/pdf...

2019-02-27 17:30:18 222

原创 Feb 27 paper reading ~Gradient-based low rank method

1. Gradient-based low rank method and its application in image inpaintinghttps://link.springer.com/article/10.1007/s11042-017-4509-0这篇文章讲了low-rank下的inpainting问题,给观察y,想要修复得到x,一开始都是给了字典,想用L1 norm,接下...

2019-02-27 12:17:45 215

原创 Feb 26 Adaptive Block Compressive Sensing for Noisy Images

本篇文章是来自于一本书的某一章讲述图像去噪,或者原图X的时候,引进一种新的方法,是可以在前期处理的过程中,引入Lipschitz去做逼近的,同时利用Taylor展式,可以把原有的目标函数变换成convex function并且带有一个penalty 项的样子 分成了两部分处理,一部分可以继续用梯度下降的方法,另一部分就单独留着再继续处理。除此之外,在image 处理过程中,也和以前的方法不同...

2019-02-26 19:21:51 145

翻译 paper reading- Feb 25 about optimization problem used in image

Two-Sided Sparse Learning with Augmented Lagrangian Methodhttps://www.researchgate.net/publication/331192514_Two-Sided_Sparse_Learning_with_Augmented_Lagrangian_Method1. Sparse learning modelIn thi...

2019-02-25 15:11:20 114

原创 Feb20-paper reading-Convolutional Recurrent Neural Networks for Dynamic MR Image Reconstruction

1. Convolutional Recurrent Neural Networks for Dynamic MR Image ReconstructionMY NOTES:结合之前读过类似的image denoising 或者图像重建的文章,最后都是转化成一个优化问题,在上次讲过的论文中,作者使用稀疏矩阵的方法来解决优化问题,最后的优化问题还是转化成一个迭代问题求解。在本文中,同样优化问题...

2019-02-20 21:03:31 641

原创 Feb 18 reading records: MRF& brain segmentation

http://deanhan.com/2018/04/22/MRF/This is one person’s website, and he made a very clear explantation about MRF. Besides, the application is about image denoising which image is black or white.bo...

2019-02-19 11:42:56 150

原创 人工智能与图像识别在医疗诊断方面的应用-综述-Feb.14,15

https://www.mybiogate.com/article/1182018 年6月份 的文章:运用人工智能去解决以下问题:1.肿瘤探测。比如皮肤色素瘤,乳腺癌,肺部癌变的早期识别。2.肿瘤发展追踪。人工智能可以根据器官组织的分布,预测出肿瘤扩散到不同部位的概率,并能从图片中获取癌变组织的形状,位置,浓度等等。**3.血液量化与可视化。**通过核磁共振图像,人工智能可以更有效地再...

2019-02-15 21:48:23 4323 1

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除