Kimmy's Blog

欢迎大佬们来玩！

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......

Posted by Jiaqian Li on 2018-06-09

SR SRCNN

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......

Posted by Jiaqian Li on 2018-06-08

SR Deep Learning

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......

Posted by Jiaqian Li on 2018-06-07

SR

基于深度循环卷积神经网络的图像超分辨率重建 学习笔记

Deeply-Recursive Convolutional Network for Image Super-Resolution

介绍本文使用 深度循环卷积神经网络deeply-recursive convolutional network (DRCN)，该网络可以重复使用一个卷积层，多次循环也不会增加参数，尽管DRCN具有较好的性质，但也存在一个问题，由于梯度消失或者爆炸，使用随机梯度下降优化时很难收敛，使用单个权重层来学习像素之间的长期依赖关系是非常困难的。为了解决难训练的问题，提出了两种方法：①所有......

Posted by Jiaqian Li on 2018-06-06

DRCN SR

深度残差神经网络ResNet 学习笔记

Deep Residual Learning for Image Recognition

ResNet——MSRA何凯明团队的Residual Networks，在2015年ImageNet上大放异彩，在ImageNet的classification、detection、localization以及COCO的detection和segmentation上均斩获了第一名的成绩，而且Deep Residual Learning for Image Recognition......

Posted by Jiaqian Li on 2018-06-03

ResNet

ImageNet 近几年模型汇总

ImageNet Large-ScaleVisual Recognition Challenge (ILSVRC)用到的模型 1.2012年，Hinton的学生Alex Krizhevsky提出了深度卷积神经网络模型AlexNet 2.2014年，牛津大学计算机视觉几何组Karen Simonyan和Google DeepMind公司的研究员 Andrew Zisserm......

Posted by Jiaqian Li on 2018-05-31

ImageNet ILSVRC

深度卷积神经网络VGG 学习笔记

VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION

介绍VGGNet是2014年 ImageNet Large-ScaleVisual Recognition Challenge（ILSVRC）竞赛的第二名实现的卷积神经网络，第一名是GoogLeNet(谷歌为了纪念LeNet)。它的主要贡献是解决了网络结构设计的一个重要方面——深度。至于为什么这个网络叫VGG，是因为Andrew Zisserman是牛津大学Visual Geo......

Posted by Jiaqian Li on 2018-05-25

VGG

生成对抗网络GAN原理 学习笔记

Generative Adversarial Nets

GAN究竟在做什么？ 学习样本集的数据分布 A.学习数据分布有什么用？（1） 学习到高维抽象的分布函数（2） 模拟预测未来数据（3） 处理缺省数据问题：如半监督学习（4） 生产真实样本建立模型，分析数据特征，还原数据，…… B.如何生成真实样本？ C.生成模型的一些常见方法： D.生成模型常见方法的比较：显式：或多或少的需要知道或者假设模型的分布；大多通过......

Posted by Jiaqian Li on 2018-05-20

GAN

Chinese Text in the Wild 学习笔记

介绍在本文中，我们用自然图像中包含的文字创建了一个大型数据集，名为Chinese Text in the Wild（CTW）。该数据集包含32,285张带有1,018,402个中文字符的图像，远远超出了之前的数据集，这些图片来自腾讯街景，从中国数十个不同的城市获取，没有任何特殊目的。由于其多样性和复杂性，该数据库存在极大的挑战性。它包含平面文本，凸起文本，城市文本，农村文本，低亮......

Posted by Jiaqian Li on 2018-05-17

OCR CTW

Implicit Language Model in LSTM for OCR 学习笔记

介绍在本文中，我们试图改进对LSTMs的科学理解，特别是语言模型和LSTM中存在的字形模型之间的相互作用。 我们称这种内部语言模型为隐式语言模型（隐式LM）。 本文的贡献：1）在受控条件下建立隐式LM的存在; 2）通过找出它使用的上下文有多少个字符来描述隐式LM的本质。 我们所描述的隐式LM与上面讨论的文献19、20中的语言模型有所不同，因为学习语言模型的背景和要求不同：OCR......

Posted by Jiaqian Li on 2018-05-15

OCR LSTM
FEATURED TAGS
MRI enhancement ACE 变分法 色彩校正 CNN ADMM Computer Vision OCR CTW DRCN SR Deconvolution video enhancement Fusion GAN ImageNet ILSVRC low-light enhancement enhancement Machine Learning mutil-task learning data harmonization FAN RARE STN SRN R-CNN Reinforcement Learning image enhancement ResNet LSTM Denoising SICE SRCNN SID super resolution Deep Learning Self-supervised VGG convex set convex function 图像增强 无监督学习 MRI Segmentation 图像分类 MR Image Synthesis
ABOUT ME

一只小白的成长之路！

RECENT POSTS
FRIENDS
ARCHIVES
categories