Kimmy's Blog

欢迎大佬们来玩!

凸优化ADMM(Alternating Direction Method of Multipliers)交替方向乘子算法

ADMM算法理论与应用

介绍交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)是一种解决可分解凸优化问题的简单方法,尤其在解决大规模问题上卓有成效,利用ADMM算法可以将原问题的目标函数等价的分解成若干个可求解的子问题,然后并行求解每一个子问题,最后协调子问题的解得到原问题的全局解。ADMM 最早分别由 Glowinski & Marroc......

基于GANs的非配对学习用于图像增强

Unpaired Learning for Image Enhancement from Photographs with GANs

论文链接:http://openaccess.thecvf.com/content_cvpr_2018/papers/Chen_Deep_Photo_Enhancer_CVPR_2018_paper.pdf实验demo:http://www.cmlab.csie.ntu.edu.tw/project/Deep-Photo-Enhancer/ 人生总是奇妙的,一旦你努力去做一件事,如......

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(......

RCNN 学习笔记

Rich feature hierarchies for accurate object detection and semantic segmentationAuthor : Ross Girshick Jeff Donahue Trevor Darrell Jitendra Malik 1.介绍不同于以往的特征检测算法HOG和SIFT,本文提出了一种新的算法将特征提取......

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......