04 2019 档案

CVPR2017: SRResNet(SRGAN): Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
摘要：首先看一下这篇文章的摘要 尽管利用CNN做图像超分辨在速度和精度上都有了突破，然后关键的问题在于做高倍超分辨的时候恢复精细的纹理很有挑战。当前的工作基本利用MSE做损失函数，但是产生的结果经常缺失高频细节，感知效果不好。本文首次提出利用生成对抗网络做高倍率超分辨，提出利用内容损失（perceptua 阅读全文
posted @ 2019-04-04 15:06 琴影 阅读(7473) 评论(0) 推荐(0) 编辑
CVPR2016 VDSR：Accurate Image Super-Resolution Using Very Deep Convolutional Networks
摘要：摘要 问题描述 何恺明将深度学习技术引入超分辨问题的开山之作SRCNN(2014年），主要存在以下几个问题： 1、感受野小，使得获取的语义信息少，对于恢复细节信息有难度 2、收敛很慢 3、SRCNN只针对单尺度超分 主要贡献点 1、设计了一个20层的卷积神经网络来做超分辨 2、小的学习率会使的网络收 阅读全文
posted @ 2019-04-02 22:52 琴影 阅读(2569) 评论(0) 推荐(0) 编辑
深度学习系列专题之优化方法（3）鞍点与梯度下降
摘要：1 阅读全文
posted @ 2019-04-02 10:18 琴影 阅读(602) 评论(0) 推荐(0) 编辑
深度学习系列专题之优化方法（2）梯度与梯度下降法
摘要：1 阅读全文
posted @ 2019-04-02 10:17 琴影 阅读(116) 评论(0) 推荐(0) 编辑
均匀分布的最大似然估计
摘要：题目描述 设x1，x2，...，xn服从U(0, k)的均匀分布，求k的最大似然估计。 解： 假设随机变量x服从U(0,k)的均匀分布，则其概率密度函数为 似然函数为 显然地，k越小，似然函数值越大，而k必须不小于这n个样本值的最大值，即 因此最大似然估计值为 阅读全文
posted @ 2019-04-02 09:23 琴影 阅读(55737) 评论(1) 推荐(3) 编辑
深度学习系列专题之优化方法（1）总览
摘要：深度学习中定义的损失函数基本上都是极度非凸的函数，仅使用梯度下降法（SGD）很容易陷入局部最优解，本系列打算讲解以下方法： 1、SGD (On the importance of initialization and momentum in deep learning) 2、momentum 3、N 阅读全文
posted @ 2019-04-01 21:52 琴影 阅读(118) 评论(0) 推荐(0) 编辑