- 博客(5)
- 收藏
- 关注
转载 torch.backends.cudnn.benchmark 和torch.backends.cudnn.deterministic
torch.backends.cudnn.benchmark标志位True or FalsecuDNN是GPU加速库在使用GPU的时候,PyTorch会默认使用cuDNN加速,但是,在使用 cuDNN 的时候,torch.backends.cudnn.benchmark模式是为False。设置这个 flag 为True,我们就可以在 PyTorch 中对模型里的卷积层进行预先的优化,也就是在每一个卷积层中测试 cuDNN 提供的所有卷积实现算法,然后选择最快的那个。这样在模型启动的时候,只要额外多花一
2022-05-19 15:15:01
3787
原创 GCFSR: a Generative and Controllable Face Super Resolution Method Without Facial and GAN Priors 人脸超分
前言本文来自2022的CVPR。这篇论文由字节跳动和中国科学院先进院技术研究院共同完成图像超分辨率的目的是从相应的低分辨率(low-resolution,LR)输入构建高分辨率(high-resolution,HR)图像。一、摘要GCFSR: 不借助人脸先验,一种生成细节可控的人脸超分方法人脸超分辨通常依靠面部先验来恢复真实细节并保留身份信息。在 GAN piror 的帮助下,最近的进展可以取得令人印象深刻的结果。他们要么设计复杂的模块来修改固定的 GAN prior,要么采用复杂的训练策略..
2022-04-22 20:57:45
2139
1
翻译 Fourier Space Losses for Efficient Perceptual Image Super-Resolution
前言本文来自2021的ICCV,其创新点主要是将傅里叶系数应用到损失函数上。图像超分辨率的目的是从相应的低分辨率(low-resolution,LR)输入构建高分辨率(high-resolution,HR)图像。一、摘要作者指出:1.图像在超分辨率任务中,其中的高频信息难以被恢复2.现在的SR网络参数量过大,网络太深,效率不高,不便于部署到移动设备上现在解决这种性能和效率的方法主要有三种:1)确定任务的最佳架构设计;2)设计更好的优化损失,用于更好利用网络性能;3)数据的数量和质量对最大化..
2022-04-06 21:19:52
2148
3
原创 Unpaired Image Super-Resolution using Pseudo-Supervision
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档摘要提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下(示例):import numpy as npimport pand.
2022-03-29 20:54:01
1025
1
原创 Pulse: Self-supervised Photo Upsampling via Latent Space Exploration of Generative Models
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档前言提示:这里可以添加本文要记录的大概内容:本文来自2020的CVPR,是使用GAN来SR比较有意思并且引用量很多的一篇论文。图像超分辨率的目的是从相应的低分辨率(low-resolution,LR)输入构建高分辨率(high-resolution,HR)图像。提示:以下是本篇文章正文内容,下面案例可供参考一、摘要作者指出:以往的SR方法是有监督的,往往是将SR到HR图像之间的平均距离作为训练目标,但是这样做会导致图片细节.
2022-03-24 21:46:30
1325
1
Yolo算法综述(Yolov1-Yolov6)
2022-09-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人