Zero-Shot 使用简单两层网络不用训练就能进行图像恢复

文章

今天要分享的文章是CVPR2023比较有意思的一篇《Zero-Shot Noise2Noise: Efficient Image Denoising without any Data》，通过简单的两层网络，并且不需要数据训练直接进行图像恢复

代码

https://colab.research.google.com/drive/1i82nyizTdszyHkaHBuKPbWnTzao8HF9b?usp=sharing

问题

自监督去噪需要庞大计算量、噪声模型或者丰富数据集

背景

Early stopping 早停

“Early stopping criterion” 是指在机器学习和深度学习中一种常用的训练停止策略。它是为了防止模型在训练过程中过拟合数据而采取的一种方法。具体来说，early stopping 是在模型训练过程中监视模型在验证集上的性能，并在性能停止提升或开始下降时停止训练。
以下是 early stopping 的基本原理和步骤：
1、划分数据集：将数据集分为训练集、验证集和测试集。训练集用于模型的训练，验证集用于监视模型的性能，测试集用于最终评估模型的泛化性能。
2、模型训练：开始训练模型，通过在训练集上反复迭代来更新模型参数，以最小化训练误差。
验证集性能监视：在每个训练周期（epoch）之后，使用验证集来评