- 博客(5)
- 收藏
- 关注
RSS订阅原创 《Fast Underwater Image Enhancement forImproved Visual Perception》论文总结（FUnIE-GAN）
IEEE ROBOTICS AND AUTOMATION LETTERS, VOL. 5, NO. 2, APRIL 2020一.contribution1.EUVP数据集的生成：paired:12K,用cyclegan学习映射，通过unpaired数据集生成unpaired:8K，人类视觉感知挑选总结：含有丰富的水体类型，增强模型泛化性，目标为感知图像增强，故不需要建立水体退化模型，不需要水体属性等参数，只需增强后的图像满足视觉感知特点。2.FUnIE-GAN的提出二.FUnI
2022-03-09 21:58:36
2630
4
原创 《Enhancing Underwater Imagery using Generative Adversarial Networks》(UGAN)
2018 IEEE International Conference on Robotics and Automation (ICRA)一.数据集的生成 cyclegan ：由没失真的图像生成失真的图像，构造水下数据集样本对。二.网络.生成器网络： Unet网络，编码解码器，编码器-解码器网络通过卷积对输入进行下采样（编码）到低维嵌入，然后通过转置卷积对其进行上采样（解码）以重建图像，其中unet的跳跃连接可以保存空间依赖性。鉴别器网络：patchgan 输出为矩阵，在...
2022-03-06 21:54:16
507
原创 《An Imaging Information Estimation Network forUnderwater Image Color Restoration》（UICRN）
一.contributions1.提出了水下图像的生成方法，生了一个包含两万对的数据集2.水下图像复原网络（UICRN）二.UICRN1.模型 ：水下图像 ，:自然图像，三个需要估计的参数：,,.2.网络一个编码器，四个解码器：encoder: dense netdecoder:密集残差块RDB,过度上采样块TUB,注意力模块AMRDBTUBDecoder:估计参数，光的衰减Decoder：估计参数,，散射和模糊Decoder...
2022-02-27 15:28:50
250
原创 Self attention(自注意力机制)
论文《Attention is all you need》一输入：N维向量输出：N个lable：class/sclar (词性判断) 一个label: class/sclar（一个句子判断褒贬，听声识人） 未定数量的lable,数量由机器学习（seq2seq,翻译，语音辨识）二 输出为N个labelN 是个不确定的值，具体例子为输入一句话，每句话的长短不一样。要考虑整个句子间的联系，window就要尽可能大，过大参数会过多，并且要...
2021-12-20 15:13:19
6748
2
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