自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

上一步保存

sinat_34546154的博客

sr_super

博客等级

码龄10年

15
原创

13
点赞

87
收藏

15
粉丝

关注

私信

分类专栏

最新评论

BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition
GG_B这孩子打小就聪明: 你好大佬，我想问一下，训练阶段，它不同的采样器采到不同的样本，最后在累计学习部分合起来分类，两个样本的标签不一样怎么分类的。感觉怪怪的。如果是同一个样本，不同的采样器又感觉没有意义了，刚看到这个论文，想借鉴，但是卡在这里，希望您可以解答。十分感谢！
DASR：Unsupervised Real-world Image Super Resolution via Domain-distance Aware Training
江轻云: 传统的大部分数据集是合成的，div2k里的都存在gap distance，因此不能拿来训练，现在有一些真实世界的数据集虽然可以用于训练，但他们不能考虑到很多复杂的场景，且数据集成本高:理论上来说，好的模型要用真实的数据集。这篇论文则是合起来，hr使用传统合成数据集的hr，因为信息无损，lr使用最新的camera3d这种的lr，因为是真实的。真实的lr不是从hr下采样得到的，原文的图一能看出来无论什么算法都有gap distance，所以他采用后面的算法来努力缩小，但再怎么缩还是有差距的，所以现在很多比赛的冠军都是用自己在现实世界拍的数据集，那种lr才是真实的，hr下采样的都是合成的
DASR：Unsupervised Real-world Image Super Resolution via Domain-distance Aware Training
江轻云: 因为一般的训练集是匹配的hr和lr这里的hr就是单独的图片，比如div2k里面任何一张hr，lr则可以是你手机拍出来的随便一张lr，不需要成对训练，所以是无监督的
DASR：Unsupervised Real-world Image Super Resolution via Domain-distance Aware Training
江轻云: 我看BSRGAN论文里说，利用bicubic可以从hr里面得到clean的图像特征，我想这一个分支比较是为了获得更干净的图像信息，另一个分支则获得符合自然的空间域
DASR：Unsupervised Real-world Image Super Resolution via Domain-distance Aware Training
江轻云: 我认为它计算了DSN得到的LR与真实LR的gap distance以后，采用了加权的思想，有点类似于元学习中也有的加权，根据权重不一改变不同任务贡献，这样distance大的对于训练模型的贡献小于distance小的，但最后依旧是非nature的lr，它只是试图缩小总的数据集的distance，这个应该不是什么新的算法

半监督

关注

关注数：文章数：1 文章阅读量：1367 文章收藏量：2

作者: sr_super

可以做的事情有很多，慢慢来就好~

展开

专栏收录文章

Semi-supervised semantic segmentation needs strong, varied perturbations

半监督该论文是一篇BMVC 2020的文章。 PDF: Semi-supervised semantic segmentation needs strong, varied perturbations code: https://github.com/Britefury/cutmix-semisup-seg 目录MotivationProposed methodCutoutCutMix Motivation Semi-supervised learning 指的是对于一个数据集，由于标注是费时且麻烦

原创 2020-12-21 16:12:10 · 1367 阅读 · 1 评论

半监督

作者: sr_super

Semi-supervised semantic segmentation needs strong, varied perturbations