摘要: (ECCV2020|图像重建相关论文汇总(如果觉得有帮助,欢迎点赞和收藏)) 原帖地址:https://blog.csdn.net/Kobaayyy/article/details/107867209 整理了下今年ECCV图像重建/底层视觉(Low-Level Vision)相关的一些论文,包括超分 阅读全文
posted @ 2020-08-12 22:09 Kobay 阅读(4304) 评论(0) 推荐(4) 编辑
摘要: (CVPR2020|图像重建相关论文汇总) 整理了下今年CVPR图像重建相关的一些论文,包括超分辨率,图像恢复,去雨,去雾,去模糊,去噪等方向。大家如果觉得有帮助,欢迎点赞和收藏~~ Github地址如下,欢迎star~ https://github.com/Kobaayyy/Awesome-CVP 阅读全文
posted @ 2020-06-19 14:51 Kobay 阅读(9324) 评论(0) 推荐(0) 编辑
摘要: "TOC" 1.登陆百度 AI Studio 并按照教程创建新项目 网址: "https://aistudio.baidu.com/aistudio/index" 2.启动项目并进入控制台 运行环境选择高级版:GPU为TeslaV100 3.下载 Anaconda3/Miniconda3 安装脚本 阅读全文
posted @ 2020-03-29 14:35 Kobay 阅读(9346) 评论(2) 推荐(5) 编辑
摘要: "TOC" 1.基础函数 a.sort()函数 sort()函数的作用是对列表内容进行正向排序,直接在原列表进行修改,返回的是修改后的列表。 b.sorted()函数 sorted()函数的作用是对列表进行排序后,返回一个新的列表,而原列表不变。并且sorted()方法可以用在任何数据类型的序列中, 阅读全文
posted @ 2020-03-27 14:28 Kobay 阅读(5833) 评论(0) 推荐(1) 编辑
摘要: @ "TOC" $信息量\to信息熵\to交叉熵\to KL散度\to JS散度$ 信息量 $ \log p(x)=\log \frac{1}{p(x)}$ 信息熵 $H(p)=H(x)=E_{x~p(x)}[ \log p(x)]= \int p(x)\log p(x)dx或\sum p(x)\l 阅读全文
posted @ 2020-03-22 11:55 Kobay 阅读(470) 评论(0) 推荐(0) 编辑
摘要: @ "TOC" 前言 为了跑一个光场重建的代码,不得不用这个matconvnet工具箱,安装过程中碰到点问题,记录一下 介绍 MatConvNet是一个实现卷积神经网络(CNN)的Matlab工具箱,主要应用于计算机视觉。 环境 Win7 64bit Matlab2015b VisualStudio 阅读全文
posted @ 2020-03-22 11:54 Kobay 阅读(5205) 评论(0) 推荐(0) 编辑
摘要: @ "TOC" 这是2019年中国科学技术大学的一篇博士论文,论文题目为基于生成对抗网络的图像合成,作者为鲍建敏,导师为李厚强教授和罗杰波教授。 1)摘要 图像合成是计算机视觉、计算机图形学等领域的重要研究方向,具有广泛应用:由文字生成图像、不同模态间图像转化、图像修复、编辑、去模糊、超分辨率等。当 阅读全文
posted @ 2020-03-22 11:52 Kobay 阅读(2016) 评论(0) 推荐(1) 编辑
摘要: @ "TOC" NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。np.split()函数的作用是将一个数组拆分为多个子数组,跟Tensorflow中的slice()函数有点类似,但是np.s 阅读全文
posted @ 2020-03-22 11:50 Kobay 阅读(9255) 评论(0) 推荐(2) 编辑
摘要: [TOC] tf.slice()是TensorFlow库中分割张量的一个函数,其定义为def slice(input_, begin, size, name=None):。tf.slice()函数的那些参数设置实在是不好理解,查了好多资料才理解,所以这边记录一下。 1.官方注释 官方的注释如下: p 阅读全文
posted @ 2020-03-21 17:34 Kobay 阅读(13798) 评论(1) 推荐(0) 编辑
摘要: 概要 近年来,深度卷积神经网络(CNNs)在单一图像超分辨率(SISR)中进行了广泛的探索,并获得了卓越的性能。但是,大多数现有的基于CNN的SISR方法主要聚焦于更宽或更深的体系结构设计上,而忽略了挖掘层间特征的内在相关性,从而阻碍了CNN的表示能力。为了解决这一问题,在本文中提出了一个二阶注意力 阅读全文
posted @ 2019-12-15 11:22 Kobay 阅读(1335) 评论(0) 推荐(0) 编辑