深度学习
文章平均质量分 85
g chen
Any code of your own that you haven’t looked at for six or more months might as well have been written by someone else.
展开
-
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原创 2021-02-22 21:03:42 · 643 阅读 · 0 评论 -
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原创 2021-02-20 15:14:03 · 1512 阅读 · 0 评论 -
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:原创 2021-02-18 13:44:20 · 587 阅读 · 0 评论 -
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...原创 2020-01-09 01:29:22 · 1715 阅读 · 0 评论 -
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...原创 2020-01-03 14:03:07 · 1250 阅读 · 2 评论 -
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...原创 2020-01-02 17:45:17 · 1073 阅读 · 0 评论 -
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...原创 2020-01-02 16:51:08 · 1187 阅读 · 0 评论 -
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。&...原创 2020-01-02 13:09:14 · 1249 阅读 · 1 评论