![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读笔记
超分辨菜鸟
这个作者很懒,什么都没留下…
展开
-
超分辨论文阅读笔记:RCAN
Image Super-Resolution Using Very Deep Residual Channel Attention Networks1.Introduction2.Related Work3.Residual Channel Attention Network(RCAN)3.1Network Architecture2018ECCV摘要:由来:越深的超分辨神经网络越难训练。以低分辩图像作为输入其特征包含了大量的低频信息,在不同的特征通道下其被同等对待,这种情况阻碍了神经网络的表达能力,为原创 2020-12-24 22:50:29 · 1134 阅读 · 0 评论 -
超分辨论文阅读笔记:CSNL
论文笔记Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining跨尺度非局部注意力和穷举自样本挖掘的注意力机制针对问题: 现有的大部分研究都忽略了自然图像中的远距离特征相关性,虽然通过非局部注意力模块能够利用这种相关性,但目前的深度模型都未涉及另一个图像固有属性,跨尺度的特征相关性。动机:自然图像中普遍存在跨尺度的块相似性,自相似的非局部搜索可以从像素之间扩展到像素原创 2020-10-30 11:09:30 · 1067 阅读 · 0 评论 -
超分辨论文阅读笔记:Non-local
文章链接:[2018cvprNon-local neural Network](https://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Non-Local_Neural_Networks_CVPR_2018_paper.pdf)摘要:所有的卷积和递归操作单次使用都是通过一个局部邻域来生成一个特征块,这篇文章展示了一种提取远距离关系的通用方法,**灵感**来源于计算机视觉领域的传统方法**非局部均值**,**non-local计算所有位置特征的原创 2020-12-10 15:25:46 · 1677 阅读 · 4 评论 -
超分辨论文阅读笔记:SAN
SAN摘要:基于CNN的超分辨方法虽然取得了最好的结果,但此类方法关注更宽或更深的结构设计,忽略了中间层特征之间的关系,这篇文章提出二阶注意力网络,达到更强的特征表达和特征关系学习。本文开发了一种新的二阶通道注意力模块,能够自适应的调整通道特征来获得更有区别性的表示,另外,本文提出了一种非局部残差加强结构,不仅包含了非局部操作而且有多个局部信息注意力块。原创 2020-12-11 21:12:29 · 3424 阅读 · 0 评论 -
超分辨论文阅读笔记:NLRN
Non-Local Recurrent Network for Image Restoration文章链接:NLRNDing Liu, Bihan Wen, Y uchen Fan, Chen Change Loy, and Thomas S Huang. Non-local recurrent network for image restoration. In NIPS, 2018. 2, 4, 5, 7摘要:很多传统方法已经证实了非局部相似性作为先验信息对图像恢复的有效性,但通过深度神经网络充分利用原创 2020-12-21 11:34:23 · 1536 阅读 · 6 评论