- 博客(10)
- 收藏
- 关注
RSS订阅原创 DGDML-SR：使用深度信息的zero shot超分辨率方法
使用深度信息的zero shot超分辨率方法 本文是对Zero-Shot Image Super-Resolution with Depth Guided Internal Degradation Learning进行的介绍概述 在传统的超分辨率任务中，所使用的低分辨率（LR）图像都是由预先设定好的退化模型得到的。但在真实世界中，低分辨率的图像的退化过程往往是复杂多变的，对每张不同的图像而言，它们的退化过程都应
2021-02-22 21:03:42
653
原创 图像超分辨率SPSR：利用梯度信息来保持图像结构
利用图像梯度信息使复原图像具有更稳定的结构 本文是对Structure-Preserving Super Resolution with Gradient Guidance一文进行介绍概述 在传统的图像超分中，往往以PSNR作为优化目标。所以许多的方法都使用L2，L1 loss作为网络的优化目标。但是由于从低分辨率到高分辨率的过程并不是单一的，所以网络预测的结果往往是多张可能图像的平均。这会造成图像的平滑和模糊
2021-02-20 15:14:03
1522
原创 仅用Python和Numpy完成深度学习框架（附代码实现）
使用Numpy完成深度学习框架本文针对自己使用Numpy搭建的深度学习框架进行了介绍。代码地址在：使用Numpy实现的简单深度学习框架框架结构在深度学习中，有几个基本的重要组件：1. 基础的网络模块，如全连接层，卷积层，激活函数，BN层等，它们组建起了网络的基础结构。2. 优化器，如SGD，Adam，RMSprop等，它们负责将网络中各个层的参数进行更新。3. Loss，这决定了网络所要优化的目标，并且负责在每次计算Loss后进行反向传播来计算各个层的梯度。因此，我将这几类作为了框架的基础父类：
2021-02-18 13:44:20
603
原创 CVPR2020图像超分辨率CutBlur
CutBlur 图像超分辨率中的数据增强手段本文是对CVPR2020中Rethinking Data Augmentation for Image Super-resolution: A Comprehensive Analysis and a New Strategy一文的介绍。
2021-02-17 21:55:52
1121
3
原创 人群计数 ICCV2019 Adaptive Density Map Generation for Crowd Counting （ADMG）
Adaptive Density Map Generation for Crowd Counting概述 本文不同与之前的研究，文章针对了人群计数中密度图ground truth生成的问题进行了研究。由于人群计数中图片的标签是人头在图片中对应像素点的位置，这样的标签对于整张图片会非常稀疏。如果直接将其作为标签，网络很难得到一个好的表现。所以一种默认的做法是用高斯核对其进行...
2020-01-09 01:29:22
1722
原创 人群计数 ICCV2019 Crowd Counting with Deep Structured Scale Integration Network （DSSINET）
Crowd Counting with Deep Structured Scale Integration Network概述 本文介绍了ICCV 2019中的Crowd Counting with Deep Structured Scale Integration Network一文。 由于人群计数的数据中，人群的数目存在着较大的变化，因此一种做...
2020-01-03 14:03:07
1258
2
原创 深度学习中训练技巧trick合集
深度学习中的各种训练技巧 本文对深度学习中的一些训练技巧进行了总结，希望对大家的炼丹有所帮助。文章参考了Bag of Tricks for Image Classification with Convolutional Neural Networks和Accurate, Large Minibatch SGD:Training ImageNet in 1 Hour两篇文章...
2020-01-02 17:45:17
1078
原创 人群计数 AAAI2019 Almost Unsupervised Learning for Dense Crowd Counting（GWTA-CCNN ）
Almost Unsupervised Learning for Dense Crowd Counting概述 本文提出了一种弱监督的方式进行人群计数。网络的大部分参数仅仅使用无标签数据训练得到。由于在人群计数的任务中，有标签的数据非常少，并且标注这样的数据需要花费大量的精力。所以如果有一种无监督的方法能够很好地获得我们需要的特征表示，对人群计数任务有很大的帮助。&nb...
2020-01-02 16:51:08
1212
原创 人群计数 ICCV2019 Multi-Level Bottom-Top and Top-Bottom Feature Fusion for Crowd Counting（MBTTBF）
Multi-Level Bottom-Top and Top-Bottom Feature Fusion for Crowd Counting概述 本文介绍ICCV2019中的人群计数文章。人群计数的目标是生成对应图片的人群密度图，在过去的方法中，采用的多尺度特征融合的方式常常是将low level的特征连接到网络的末尾。但本文认为这样的方式可能会影响低层网络的性能。&...
2020-01-02 13:09:14
1254
1
原创 决策树 ID3及C4.5算法原理及代码实现
决策树基本介绍： 决策树（decision tree）是一种常见的机器学习方法，表示基于特征对实例进行分类的过程，代表了对象属性与对象值之间的映射关系。模型具有可读性，分类速度快的优点。学习时利用训练数据，根据损失函数最小化的原则建立决策树模型，预测时根据所得的决策树进行分类。决策树是一种树型结构，每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，而每个叶子代表一种种类。如...
2018-05-09 19:30:30
10934
3
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