- 博客(19)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 [NTIRE 2022]Residual Local Feature Network for Efficient Super-Resolution
Residual Local Feature Network for Efficient Super-Resolution(用于高效超分辨率的残差特征局部网络)NTIRE 2022*图像修复领域最具影响力的国际顶级赛事——New Trends in Image Restoration and Enhancement（NTIRE）作者：Fangyuan Kong* Mingxi Li∗ Songwei Liu∗ Ding Liu Jingwen He Yang Bai Fangm.
2022-05-31 19:33:09
2761
1
原创 【HAT】 Activating More Pixels in Image Super-Resolution Transformer
Activating More Pixels in Image Super-Resolution Transformer （在图像超分辨率transformer中激活更多的像素）作者：Xiangyu Chen1,2 , Xintao Wang3 , Jiantao Zhou1 , and Chao Dong2,4单位：1University of Macau 2Shenzhen Institute of Advanced Technology,Chinese Academy of..
2022-05-10 17:27:16
6435
原创 Cross-SRN:Structure-Preserving Super-Resolution Network with Cross Convolution
一个使用了交叉卷积的超分网络
2022-03-28 14:54:26
5765
原创 (NewL1)Revisiting L 1 Loss in Super-Resolution: A Probabilistic View and Beyond（超分辨率中的L1损失：从概率观点来看待）
在主流主干网络上替换掉 L1 损失作者得到了一致的改进，而在运行时没有额外的成本。
2022-03-18 10:56:52
4374
2
原创 (RCAN-it)Revisiting RCAN: Improved Training for Image Super-Resolution (重温 RCAN：改进图像超分辨率训练策略)
作者重新研究了RCAN，并证明了通过适当的训练策略，可以缓解欠拟合问题，并大幅提高RCAN的图像超分辨率性能。
2022-03-18 10:38:11
4558
原创 (ENLCA)AAAI2022:Effificient Non-Local Contrastive Attention for Image Super-Resolution(ENLCA))
AAAI2022-SR ENLCA
2022-03-04 10:46:13
2060
1
原创 图片批处理——关于批量重命名文件夹内图片不改变原来在文件夹内的顺序(适用于基于ref数据集处理的过程)
在网上找了好久，但是保证顺序的方法都是使用**sort（）**函数实现的，并不能保证原来图片在文件夹内的顺序不变（特殊需要，需要某种对应），这种方法见按顺序对图片批量重命名，sort（）之后被逼无奈难道我要一张一张改名字么，几百张啊。。我也试过wps的批量重命名，但是处理后，图片位置改变了。。。好在最后还是解决了，我打开了最常使用的ps（初期matlab不熟练可以使用它得到x2,x3,x4的低分图像，也是个批量图像处理）具体方法，使用ps的动作，录制一个重命名的动作，之后用这个动作批处理数据
2021-09-02 18:28:47
2154
原创 关于linux服务器（centos）安装驱动出现An NVIDIA kernel module ‘nvidia-uvm‘ appears to already be load的问题自己的解决方法
本问题出自linux服务器更新nvidia驱动的过程中（更新时有任务在使用cuda，切记不要这么做，错的源头就在这）本人的步骤1.卸载原先的旧驱动sudo /usr/bin/nvidia-uninstall2.禁用nouveau驱动查看是否成功禁用只要是安装过NVIDIA显卡驱动的，nouveau一般都被禁止了。可以通过命令lsmod | grep nouveau查看。如果没有任何输出就是禁用成功了。否则，请参考禁用步骤。禁用步骤创建/etc/modprobe.d/blacklist-n
2021-03-22 00:00:55
10509
1
原创 CVPR2020:Learning Texture Transformer Network for Image Super-Resolution解读
论文：Title：Learning Texture Transformer Network for Image Super-Resolution（用于图像超分辨率的学习纹理transformer网络）Writers：Fuzhi Yang , Huan Yang, Jianlong Fu, Hongtao Lu , Baining GuoConference：cvpr 2020作者单位：Department of Computer Science and Engineering, MoE Key La
2021-02-28 22:00:38
1503
原创 Learning Continuous Image Representation with Local Implicit Image Function解读
Title：Learning Continuous Image Representation with Local Implicit Image Function（用局部隐式图像函数学习连续图像表示）Writers：Yinbo Chen Sifei Liu Xiaolong WangConference：arxiv 2020作者单位：UC San Diego NVIDIA代码链接：https://yinboc.github.io/liif/.论文链接：https://arxiv.org/ab
2021-02-19 11:51:34
3859
原创 CVPR2020：Deep Unfolding Network for Image Super-Resolution解读
Title：Deep Unfolding Network for Image Super-Resolution(图像超分辨率的深度展开网络)Writers：Kai Zhang Luc Van Gool Radu TimofteConference：cvpr2020作者单位：Computer Vision Lab, ETH Zurich, Switzerland代码链接：论文链接：问题动机：基于学习的单图像超分辨率(SISR)方法不断显示出优于传统的基于模型的方法的有效性和高效率，这在很大程度上
2021-02-19 10:24:48
6215
原创 二叉排序树的构造与删除结点(C语言具备选择功能和进度条功能交互较好)
一、设计目的与内容用二叉树的所学知识建立二叉排序树，对已建立的排序二叉树进行遍历（中序），插入，查找，删除二、算法的基本思想二叉排序树插入结点的算法：1若建立的二叉排序树中已有与欲插入的数相同的结点则无须插入；2以while§控制循环变量，若欲插入的数比根结点小的话，执行P=P->lchild;若大于p->data；则执行 P=P->rchild; ，直至p为空。此过程中一直用指针F记录前一步p的位置。3在第2歩确定了的位置的基础上进行插入，若与插入的数小于F->data，则
2021-02-01 21:25:58
588
原创 评估标准——PI、LPIPS,PSNR和SSIM
PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比(通常越大效果越好)给定一个大小为mn的干净图像I和噪声图像K，均方误差MSE定义为：然后PSNR就定义为：SSIM (Structural SIMilarity) 结构相似性（0~1，也是越大表示效果越好）SSIM公式基于样本X和Y之间的三个比较衡量：亮度 (luminance)、对比度 (contrast) 和结构 (structure)。3. PI（Perceptual Index）选择感知指数（通常.
2021-01-31 21:46:16
14610
1
原创 模型学习——对于GAN的理解
相关阅读：博弈论中的纳什均衡https://www.jianshu.com/p/7d7a2217c9a8简单理解：https://juejin.cn/post/6844903775186976781详细理解（精）：https://www.sohu.com/a/121189842_465975抽象理解：https://juejin.cn/post/6887876829064921095优缺点：优点：数据会逐渐统一；不需要马尔可夫链，直接从数据观测的一步到位的生成模型，效率较高。；被认为可以生成最好
2021-01-27 21:02:36
415
转载 深度学习——backbone，benchmark，baseline
backbone：骨干网络，比如alexnet，ZFnet，VGG，googlenet…benchmark：性能指标，比如accuracy，内存消耗，模型复杂度，或者在性能上很有代表性的算法框架。baseline：对照组，也就是被用来对比的模型。比如resnet中用来对比的CNN就是baseline。...
2021-01-23 09:26:53
462
原创 图像超分——SISR方法总结（阅读整理之一）（优缺点，方法详情长更）
SISR的主流算法主 要分为三类：基于插值的方法、基于重建的方法、基于学习的方法。1·基于插值的SISR方法（优点：快速和简单，缺点：存在精度缺陷）:双三次插值、Lanczos重采样等方法详情补充：2·基于重 构的SR方法（优点：可以生成灵活和尖锐的细节，缺点：随着尺度因子的增加，许多基于重建的方法的性能 迅速下降，这些方法通常是耗时的。）:梯度剖面先验等方法详情补充：3·基于学习的方法（优点：运算速度快，性能优异，显示出比基于重构和其他基于学习的方法 更大的优越性）：马尔科夫随机场、邻域嵌入方法
2021-01-22 20:29:09
5630
3
转载 图像处理——上采样和下采样
缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1、使得图像符合显示区域的大小；2、生成对应图像的缩略图。放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上。对图像的缩放操作并不能带来更多关于该图像的信息, 因此图像的质量将不可避免地受到影响。然而，确实有一些缩放方法能够增加图像的信息，从而使得缩放后的图像质量超过原图质量的。下采样原理：对于一副图像I尺
2021-01-22 10:36:10
2207
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人