小西柚code-优快云博客

原创长度为T的固定马尔可夫链的反向过程

长度为的固定马尔可夫链的反向过程在生成模型中用来逐步恢复数据。通过训练模型学习如何去除噪声，我们可以从一个完全随机的噪声开始，逐步恢复到原始数据。这种方法在图像生成等领域取得了很好的效果，特别是在使用潜在扩散模型（LDM）时，可以更高效地进行生成。

2024-09-10 22:52:50 1120

为了提高效率，可以使用潜在扩散模型（Latent Diffusion Models, LDM）。这种模型不是直接在像素级别操作，而是先将图片转换成一个更简单的表示形式——潜在空间（latent space）。训练扩散模型的目标就是教会模型如何去噪。具体来说，就是让模型学会如何从一张全噪音的图片逐步恢复到原始的清晰图片。扩散模型还可以通过添加条件来控制生成的过程。比如，你可以告诉模型“我想要生成一张猫的图片”，模型就会根据这个条件来生成相应的图片。扩散模型是一种用于生成新数据的概率模型。

2024-09-10 22:26:32 378

原创 vector quantization layer（矢量量化层）

要学一个东西，首先要知道它的作用是什么，vq层（vector quantization layer）主要的用途是特别是在处理高维数据（如图像或音频信号）时，通过将数据映射到一个较小的固定码本上，可以极大地减少存储需求和计算复杂度；此外还有在一些任务中，离散表示比连续表示更具优势。Vector Quantization (VQ) 层是深度学习中的一种特殊类型的层，是一种用于图像压缩的技术，在图像处理中广泛应用。它通过对输入数据进行离散化表示，将连续的像素值映射到一组离散的向量上，从而实现图像压缩的目的。

2024-09-10 20:37:46 947

原创 softmax层作用及举例

Softmax函数可以数学地定义为：这里，是一个K维的实数向量，是这个向量中的第i个元素，e 是自然对数的底数（约等于2.71828）。Softmax函数通过指数函数放大了原始值之间的差异，并通过归一化确保所有输出的值加起来等于1，形成了一个概率分布。

2024-09-06 22:09:22 1224

原创为啥空间金字塔池化（SPP）层能够处理任意尺寸的输入图像

这是因为全连接层的权重矩阵是根据输入特征图的尺寸预先定义的，如果输入特征图的尺寸变化，那么全连接层的权重矩阵也需要相应调整，这在实际应用中是不可行的。通过上述自适应多尺度池化策略，SPP层不仅能够处理任意尺寸的输入图像，还能够从不同尺度的特征中提取信息，提高了模型对不同尺寸和比例的物体的识别能力。综上所述，SPP层通过自适应多尺度池化策略，解决了传统卷积神经网络对输入图像尺寸的敏感性问题，使得网络能够处理任意尺寸的输入图像，并从中提取固定长度的特征向量，从而提高了模型的灵活性、鲁棒性和泛化能力。

2024-09-06 20:25:46 846

原创《Object Detection in 20 Years: A Survey》论文超详细解读（翻译＋脑图）

作为计算机视觉领域中最基础且最具挑战性的问题之一，物体检测近年来受到了广泛关注。在过去的二十年里，我们见证了物体检测技术的飞速发展及其对整个计算机视觉领域产生的深远影响。如果将当今的物体检测技术视为由深度学习驱动的一场革命，那么回溯到20世纪90年代，我们可以看到早期计算机视觉中创新思维和长远规划的设计。本文广泛回顾了这一快速发展的研究领域，从技术演进的角度出发，时间跨度超过四分之一个世纪（从20世纪90年代到2022年）。

2024-06-18 02:52:30 3768 1

原创《Low-Light Image Enhancement via Structure Modeling and Guidance》论文超详细解读（翻译＋精读）

今天精读的是一篇来自2023年CVPR的一篇论文，主要还是跟低光图像增强有关。目录前言Abstract —摘要翻译精读一、Introduction—简介翻译精读二、Related Work—相关工作A. Low-light enhancement with learning—基于学习的低光增强翻译精读B. Generative model for restoration—生成模型在修复任务中的应用翻译精读三、Method—方法3.1. Appearance Modeling—外观建模翻译精读。

2024-06-06 20:56:26 2688 1

原创《Learning to See in the Dark》论文超详细解读（翻译＋精读）

低光成像是一项挑战，主要由于光子数量少和信噪比(SNR)低。短曝光图像容易受到噪声影响，而长曝光虽能增加亮度，却可能导致模糊且往往不切实际。虽然已提出多种去噪、去模糊和增强技术，但在极端条件下，如夜间视频速率成像时，它们的有效性有限。为了支持基于学习的低光图像处理流程的开发，我们引入了一组包含原始短曝光低光图像及其对应长曝光参考图像的数据集。利用这一数据集，我们基于全卷积网络的端到端训练，开发了一套低光图像处理流程。

2024-06-05 11:02:59 3180 1

原创拜耳阵列（Bayer arrays）中为啥空间分辨率降低了一半

拜耳阵列将原始数据重新组织为四个通道，为啥这样做会使得每个通道的空间分辨率降低一半？

2024-06-04 20:55:28 1066

原创操作系统（微课版）第一章课后习题

1.实时操作系统必须在（）内处理完来自外部的事件。A.一个机器周期B.被控对象规定时间C.周转时间D.时间片2.下列选项中，（）不是操作系统关心的主要问题。A.管理计算机裸机B.设计、提供用户程序与计算机及计算机硬件系统的接口C.管理计算机中的信息资源D.高级程序设计语言的编译3.（2012年统考真题）一个多道批处理系统中仅有P1和P2两个作业，P2比P1晚5ms到达。它们的计算和I/O操作顺序如下：P1：计算60ms，I/080ms，计算20...

2021-12-19 18:25:57 3180

原创操作系统（微课版）第一章

本文章主要用于计算机操作系统期末复习重点。

2021-12-19 11:43:18 671

原创集合划分问题（c语言输出集合数目以及不同的集合）

问题：n个元素的集合{1，2，…，n}可以划分若干非空子集。例如，当n=4时，集合{1，2，3，4}可以划分为15个不同的非空子集如下：{{1},{2},{3},{4}} {{1,3},{2,4}}{{1,2},{3},{4}} {{1,4},{2,3}}{{1,3},{2},{4}} {{1,2,3},{4}}{{1,4},{2},{3}} {{1,2,4},{3}}{{2,3},{1},{4}} {{1,3,4},{2}}{{...

2021-09-27 20:58:32 3194

原创半数单集问题（c输出集合）

给定一个自然数n，由n 开始可以依次产生半数单集set(n)中的数如下。　　(1) n∈set(n)；　　(2) 在n 的左边加上一个自然数，但该自然数不能超过最近添加的数的一半；　　(3) 按此规则进行处理，直到不能再添加自然数为止。例如，set(6)={6,16,26,126,36,136}。半数单集set(6)中有6 个元素。注意半数单集不是多重集。即集合中没有重复元素。输入n输出对应的集合元素个数及对应的集合。例：输入6，则输出set(6)={6,16,26,126,..

2021-09-27 20:46:57 834 1

原创整数划分问题（c）

将正整数n表示成一系列正整数之和：n=n1+n2+…+nk，其中n1≥n2≥…≥nk≥1，k≥1。正整数n的这种表示称为正整数n的划分。求正整数n的不同划分个数。例如正整数6有如下11种不同的划分： 6； 5+1； 4+2，4+1+1； 3+3，3+2+1，3+1+1+1； 2+2+2，2+2+1+1，2+1+1+1+1； 1+1+1+1+1+1。输入正整数n的值，输出n的划分种类数及具体的划分情况。测试值（n=6，n=7）当...

2021-09-27 20:33:44 718

原创集合划分问题（c++输出集合数目以及不同的集合）