陈柯成

摘要： 1.注意的是绝对路径里面不能有中文 2. tensorboard 文件应放在一个最小子目录中 阅读全文

摘要： https://blog.csdn.net/mao_xiao_feng/article/details/78003730 阅读全文

摘要： 感知野的概念尤为重要，对于理解和诊断CNN网络是否工作，其中一个神经元的感知野之外的图像并不会对神经元的值产生影响，所以去确保这个神经元覆盖的所有相关的图像区域是十分重要的；需要对输出图像的单个像素进行预测的任务，使每一个输出像素具有一个比较大的感知野是十分重要的，在做预测试时，每一个关键的信息就不 阅读全文

摘要： 感知域太小，相当于拿着目标图像被裁剪的一个子图去做判断，这是非常难的； 感知域太大，网络会基于一些不相关的信息做出判断； 目标的大小是变化，所以并没有一个万能的感知域适合所以的目标； 有说法是感知域略小于目标更好 阅读全文

摘要： 这篇论文主要概述了model-baesd的方法在解决图像恢复的逆问题的很好的效果，降噪问题其实就是前向模型的H是一个恒等算子，将state-of-the-art的降噪算法(先验模型)和相对应的逆问题的求解方法结合是一个困难但是具体前景的工作。 作者提出了一个灵活的框架能够允许性能强大的图像系统的前向 阅读全文

摘要： CVPR2017的一篇论文 Learning Deep CNN Denoiser Prior for Image Restoration： 一般的，image restoration(IR)任务旨在从观察的退化变量$y$(退化模型，如式子1)中，恢复潜在的干净图像$x$ $y \text{} =\t 阅读全文

摘要： SFSDSA的问题： 1. 由全连接层搭建的深层神经网络模型，尽管加入了dropout、regularization等避免过拟合技术，但是需要付出极大的调参时间； 2. 只能针对特点维度的输入信号，灵活性低； 3.只能针对特点的地质特征，在实际应用中往往需要训练多个独立的模型； 4.整体网络结构偏向 阅读全文

摘要： CVPR2019的文章，解决SRMD的诸多问题， 并进行模拟实验。 进行双三次差值(bicubic) >对应matlab imresize（） 对应的图片： 当scale_factor放大图像，图像更为平滑，而缩小图像，则更为模糊。 下采样原理（downsample）：对于一幅图像I尺寸为$M*N$ 阅读全文

摘要： https://chuansongme.com/n/2630693453218 学习到deconvlution会带来棋盘鬼影，比较重要的解决方法就是resize-deconvlution 阅读全文

摘要： 根据贝叶斯公式和MAP，可将图像退化问题表示出来，再利用变量分割技术(HQS)，将该问题转化为两个子问题，其中一个子问题为图像降噪问题，该问题一般可以用传统的model-based方法解决，但是存在诸多问题，所以利用CNN为基础的判别式学习方法对图像通道相关的先验进行建模，利用其并行性等优点，执行图 阅读全文