shine的博客

深度学习在图像和视频的应用文章目录深度学习在图像和视频的应用一、图像/视频处理1. 超分辨率问题2. 图像去噪3. 图像增强3.1 弱光照增强3.2 动态范围增强4. 质量评价二、图像/视频压缩2.1 传统压缩编码框架2.2 基于深度学习的图像压缩一、图像/视频处理1. 超分辨率问题超分辨率(Super Resolution)，超分辨率问题简称SR问题。目的：由低分辨率(Low Resolution，LR)图像->高分辨率(High Resolution，HR)清晰图像。处理方法

性能评价指标：评价模型的好坏的各种不同的指标。常用的性能评价指标有：错误率&精度、准确率&召回率、AP&mAP等。错误率&精度针对数据集D和学习器f而言：1、错误率：分类错误的样本数占总样本的比例2、精度：分类正确的样本数占总样本的比例准确率&召回率信息检索中，我们经常会关心“检索出的信息有多少比例是用户感兴趣的”以及“用户感...

深度学习中的fine-tuning 一. 什么是模型微调 1. 预训练模型 （1） 预训练模型就是已经用数据集训练好了的模型。 （2） 现在我们常用的预训练模型就是他人用常用模型，比如VGG16/19，Resnet等模型，并用大型数据集来做训练集，比如Imagenet, COCO等训练好的模型参数； ( 3 ) 正常情...

深度学习学习（二）：常用数据集 1.Imagenet 数据集 ImageNet 是一个计算机视觉系统识别项目， 是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家，模拟人类的识别系统建立的. ImageNet是根据WordNet层次结构组织的图像数据集。 WordNet中每个有意义的概念，可能由多个单词或单词短语描述，被称为“同义词集合”或“synset”，平均提供1...