CHNguoshiwushuang的博客

这是2017腾讯AI Lab的一篇论文，当前阶段主要关注空间上图像质量的风格转换，对于时间方面的后续在做视频时再补充。空间风格转换   和DPED一样，论文的idea是将网络分成了生成网络和损失网络两个部分，生成网络用来生成图片，损失网络用来产生损失函数方便训练。下面对这两个部分分别介绍一下：生成网络部分   在生成网络部分，这里应该是用了之前一些论文的思想，使用三个卷积层先将图像分辨率降为原来的四

   这是2018CVPR的一篇论文，旨在说明使用深度学习的方法使得暗光条件下的图像更明显。一般来说低光照条件下的图像噪点更多，使用一些方法增强图像或是引入更多的噪点，或是由于曝光时间过长导致抖动产生图像上的模糊。而目前增强暗光图像的方法还不试用于非常暗光和非常短曝光时间的图像，所以文章认为可以充分利用raw类型的数据进行图像增强。如下图所示，一般增强后的图像中噪点非常多： ...

bayer格式数据   bayer格式数据，其一般格式是，奇数行为RGRG，偶数行一般为GBGB。在获取图像时，如果采集rgb数据，需要三块滤镜且完全对齐，这无疑是非常麻烦的一件事。在实际中发现人眼对绿色更敏感，bayer格式图片在一个滤镜上设置不同颜色，绿色格式数目是r和g像素之和。如下图所示：   每一个像素仅仅包括光谱的一部分，所以可以通过插值的方法去恢复像素的RGB...

最近做公司的项目接触到了这些，因此了解一下U_net   U-net，顾名思义，是一个U型的网络,最初用来做图像分割。是一种编码器-解码器结构。编码器逐渐减少池化层的空间维度，解码器逐步修复物体的细节和空间维度。编码器和解码器之间通常存在快捷连接，因此能帮助解码器更好地修复目标的细节。U-Net 是这种方法中最常用的结构，结构如下图所示：   左侧为一个下采样过程...

   最近公司使用算法要用pytorch，所以本人暂时放弃使用tensorflow，为了练手pytorch，本人首先使用pytorch将tensorflow版本的mnist转换成pytorch版本，tensorflow原版本如下所示：from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.r...