10 2023 档案
摘要：一. Motivation 之前网络存在的缺点： 1. 使用了有限的频域信息 2. 不充足的信息交互 ： (1) 第一阶段的输出直接作为第二阶段的输入，忽略了中间特征从早期到后期的传播 (2) 在编码器解码器结构同尺度之间进行特征融合，忽略了阶段内和跨阶段的跨尺度信息交换 3. 严重的特征冗余：中间
阅读全文
摘要：1. 在运行SFNet代码时，前后代码保持不变，运行两次结果发生变化, 把下面这段代码注掉就可以保持前后两次运行结果一致，不确定是否是nn.BatchNorm2d计算均值和方差导致 class dynamic_filter(nn.Module): def __init__(self, inchann
阅读全文
摘要：import torch import random import os import numpy as np def seed_setting(seed): random.seed(seed) # os.environ['']=str(seed) np.random.seed(seed) torc
阅读全文
摘要：一. Motivatetion 跨域效果不好：在已知亮度的数据集上表现良好，在未知亮度的数据集上表现不好，泛化性能较差。 挑战：如何识别和亮度相关的通道并进行选择，并且获得泛化能力 归一化：从给定特征中提取不变的良好的良好特性，特别对于亮度分量 [ 归一化和亮度相关的特性： 1. 亮度一致性： 实例
阅读全文
摘要：一. Motivation (1) Retinex理论没有考虑到噪声，并且基于Retinex分解的网络通常需要很多阶段训练。 (2)直接使用从CNN从低光图像到正常光图像的映射忽略了人类的颜色感知，CNN更适合捕获局部信息，对于捕获远程依赖和非局部自相似性方面存在局限。 二.Contribution
阅读全文
摘要：1、在电脑命令行创建环境不成功（识别不到conda）：需要在anaconda的anaconda prompt中创建
阅读全文
