随笔分类 - trick
摘要：from thop import profile import time if __name__ == '__main__': net = LLFormer() net = net.to(torch.device('cuda:0')) input = torch.randn(1, 3, 256, 2
阅读全文
摘要：一、Motivation 1、目前的方法严重依赖于具有像素级对齐的精确对齐配对数据集（感觉像是说L1，不确定==） 二、Contribution 使用离散傅里叶变换(DFT)将图像特征转换到频域，在计算预测图像和参考值GT 振幅和相位的SWD(Sliced Wasserstein Distance)
阅读全文
摘要：1. Towards Effective Multiple-in-One Image Restoration: A Sequential and Prompt Learning Strategy 2. Learning from History: Task-agnostic Model Contra
阅读全文
摘要：生成热度图： import matplotlib.pyplot as plt from PIL import Image import numpy as np # 使用PIL读取图像 img = Image.open('img/high/5.png') # 将图像转换为灰度模式 img_gray =
阅读全文
摘要：在傅立叶频谱图中，可以看到信号在不同频率下的强度分布。这个分布可以帮助我们理解信号的频率成分。例如，频谱图中的高峰表示该频率下的信号强度较大，而低谷则表示该频率下的信号强度较小。 对于二维的傅立叶频谱图，我们应该这么看，从内到外，每一个圆环，包含一个分辨率的全部信息。越是外圈的圆环，就对应于越是高分
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：三. Network 1. 2. FLB： 没看懂是怎么分离的水平和竖直方向 3. SLB：每一层保留一半的通道特征用于细化，其余的在特征重构后输出（没看懂）。 Multi-distillation Network 超分辨网络的Multi-distillation Network(2019ACMMM
阅读全文
摘要：一. Network：SFMNet 1.网络采用U-Net结构，其中SFMLM-i是不同分辨率的每层结构 2.SPB是空域分支，FRB是频域分支，分别经过FRB和SPB的两个分支信息经过FSIB分支进行信息的融合 3. FRB结构： class FreBlock9(nn.Module): def _
阅读全文
