nas可以ping到但是无法访问_ECCV 2020 | NAS-DIP:通过NAS实现DIP(去噪/去雾/超分辨率/修复等)...

本文介绍了NAS-DIP,一种利用神经架构搜索(NAS)学习深度图像先验的新方法,能解决图像去噪、去雾、超分辨率等问题。通过在通用的U-Net架构上搜索特定的上采样单元和跨尺度残差连接模式,NAS-DIP在多个图像恢复任务中展现出优秀性能。代码已开源,论文提供了详细实验结果和相关资源链接。
摘要由CSDN通过智能技术生成

通过该NAS网络,可以一揽子解决图像去噪、去雾、超分辨率、Inpainting等图像复原问题!代码刚刚开源!

NAS-DIP: Learning Deep Image Prior with Neural Architecture Search

408dc1f145b952512303643034f68abd.png
作者单位:弗吉尼亚理工大学
主页: https:// yunchunchen.github.io/N AS-DIP/
代码:YunChunChen/NAS-DIP-pytorch
论文:NAS-DIP: Learning Deep Image Prior with Neural Architecture Search

注:如果上述论文链接无法访问,可以看文末,论文已上传至百度云,方便下载。

最近的工作表明,深度卷积神经网络的结构可以在解决各种逆向图像恢复任务。我们提出不使用手工设计的架构,而是搜索能够捕获更强先验图像的神经架构。基于通用的U-Net架构,我们的核心贡献在于为:

(1)上采样单元

(2)跨尺度残差连接模式设计新的搜索空间。

我们利用现有的神经结构搜索算法(使用带有递归神经网络控制器的强化学习)来搜索改进的网络。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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