LJQ's Blog

欢迎大佬们来玩!

基于变分法的感知色彩校正

Perceptual Color Correction Through Variational Techniques

数学虐我千百遍我待数学如初恋公式打到怀疑人生 摘要本文提出一种基于变分技术的图像感知色彩校正,提出了一个新的图像泛函,其最小值可以产生感知色彩增强后的图,这个变分公式使得局部对比度调整和数据的联系更灵活,展示了一个将梯度下降的数值实现运用到能量泛函和自动色彩增强(ACE)方程的模型。此外,欧拉-拉格朗日方程的数值近似将模型复杂度从\(O({N^2})\)减少到\(O(N\log (N......

基于图像分类的动态图像增强

Classification-Driven Dynamic Image Enhancement

论文链接:http://openaccess.thecvf.com/content_cvpr_2018/papers/Sharma_Classification-Driven_Dynamic_Image_CVPR_2018_paper.pdf 感觉很久没有更新博客了,之前一直在做项目,现在项目中期差不多完成了,可以暂时先告一段落了。正式的研究生生活也已经过去一个多月了,虽然之前一直有磕......

Convex set and convex function

凸集和凸函数

凸集 定义给定一个集合\(C \subseteq {R^n}\),满足下列条件则称为凸集\(x,y \in C \Rightarrow tx + (1 - t)y \in C\),对于任意的\(0 \le t \le 1\) 。从定义出发,我们也能知道非凸集的情况,下图左侧为凸集,右图为非凸集。也就是说如果一个集合C是凸集,那么这个集合中任意两点之间的线段仍然在C内 凸线性组合(......

Robust Scene Text Recognition with Automatic Rectification 学习笔记

Robust Scene Text Recognition with Automatic Rectification

介绍识别自然图像中的文字仍是一个充满挑战的任务,本文提出了RARE(Robust text recognizer with Automatic REctification),一个对于不规则的文字具有鲁棒性的识别模型。RARE是一个深度神经网络,包括一个空间变换网络Spatial Transformer Network (STN)和一个序列识别网络Sequence Recognit......

Focusing Attention Network(FAN)自然图像文本识别 学习笔记

Focusing Attention Towards Accurate Text Recognition in Natural Images

介绍对于一些复杂的或者质量低的图像,现有的基于注意力(attention-based)的方法识别效果很差,我们研究发现其中一个主要的原因是使用这种注意力模型评估的排列很容易损坏由于这些复杂或质量低的图像。换句话说,注意力模型(attention model)不能精确地联系特征向量与输入图像中对应的目标区域,这种现象称为attention drift。为了解决这个问题,本文提出了......

计算机视觉相关会议、期刊简介

计算机视觉三大顶级会议 ICCVICCV 的全称是 IEEE International Conference on Computer Vision,即国际计算机视觉大会,由IEEE主办,与计算机视觉模式识别会议(CVPR)和欧洲计算机视觉会议(ECCV)并称计算机视觉方向的三大顶级会议,被澳大利亚ICT学术会议排名和中国计算机学会等机构评为最高级别学术会议,在业内具有极高的评价......

基于深度卷积神经网络的图像反卷积 学习笔记

Deep Convolutional Neural Network for Image Deconvolution

介绍在本文中,我们提出了一种不基于物理或数学特征的自然图像反卷积方法,我们展示了使用图像样本构建数据驱动系统的新方向,这些图像样本可以很容易地从摄像机中生成或在线收集。我们使用卷积神经网络(CNN)来学习反卷积操作,不需要知道人 为视觉效果产生的原因,与之前的基于学习的图像去模糊方法不同,它不依赖任何预处理。本文的工作是在反卷积的伪逆背景下,我们利用生成模型来弥补经验决定的卷积......

基于深度卷积神经网络的图像超分辨率重建(SRCNN)学习笔记

Learning a Deep Convolutional Network for Image Super-Resolution

介绍目前,单幅图像的超分辨率重建大多都是基于样本学习的,如稀疏编码就是典型的方法之一。这种方法一般先对图像进行特征提取,然后编码成一个低分辨率字典,稀疏系数传到高分辨率字典中重建高分辨率部分,然后将这些部分汇聚作为输出。以往的SR方法都关注学习和优化字典或者建立模型,很少去优化或者考虑统一的优化框架。为了解决上述问题,本文中提出了一种深度卷积神经网络(SRCNN),即一种LR到......

基于深度学习的图像超分辨率方法 总结

基于深度学习的SR方法

懒得总结,就从一篇综述中选取了一部分基于深度学习的图像超分辨率方法。原文:基于深度学习的图像超分辨率复原研究进展作者:孙旭 李晓光 李嘉锋 卓力 北京工业大学信号与信息处理研究室来源:中国知网 基于前馈深度网络的方法前馈深度网络是典型的深度学习模型之一。网络中各个神经元从输入层开始,接收前一级输入,并输入到下一级, 直至输出层。整个网络中无反馈, 可用一个有向无环......

图像超分辨率及相关知识 简介

初学者可能往往会把图像分辨率和超分辨率搞混淆,先来看一下他们的概念。 分辨率图像分辨率指图像中存储的信息量,是每英寸图像内有多少个像素点,分辨率的单位为PPI(Pixels Per Inch),通常叫做像素每英寸。一般情况下,图像分辨率越高,图像中包含的细节就越多,信息量也越大。图像分辨率分为空间分辨率和时间分辨率。通常,分辨率被表示成每一个方向上的像素数量,例如64*64的......
SR