陈柯成

摘要： scipy.io 用于输入和输出数据的操作，可操作matlab的.mat文件。 (1)加载.mat文件的数据 (2)保存.mat文件的数据 sys 定义搜索优先级 sys.path.insert(1, "./src")定义搜索路径的优先顺序，序号从0开始，表示最大优先级，sys.path.inser 阅读全文

摘要： 判别式学习算法和生成学习算法 判别式学习算法： 直接学习$p(y|x)$,即直接学习输入 阅读全文

摘要： 由于计算机视觉的大红大紫，二维卷积的用处范围最广。因此本文首先介绍二维卷积，之后再介绍一维卷积与三维卷积的具体流程，并描述其各自的具体应用。 1. 二维卷积 图中的输入的数据维度为14×1414×14，过滤器大小为5×55×5，二者做卷积，输出的数据维度为10×1010×10（14−5+1=1014 阅读全文

摘要： 卷积由feature map到全连接层的设置节点个数也为一个超参数，可以进行设置；同时，这个过程也可以看作是一个卷积的过程。 全连接层实际就是卷积核大小为上层特征大小的卷积运算，一个卷积核卷积后的结果为一个节点，就对应全连接层的一个神经元。假设： 最后一个卷积层的输出为7×7×512，连接此卷积层的 阅读全文

摘要： 一、概念介绍 自编码器是一种执行数据压缩的网络架构，其中的压缩和解压缩功能是从数据本身学习得到的，而非人为手工设计的。自编码器的两个核心部分是编码器和解码器，它将输入数据压缩到一个潜在表示空间里面，然后再根据这个表示空间将数据进行重构得到最后的输出数据。编码器和解码器都是用神经网络构建的，整个网络的 阅读全文

摘要： 新的退化模型： $y = (x\downarrow_{s}) \otimes k + n $ 其中$\downarrow_{s}$代表尺度因子为$s$的双三次下采样，$y$表达的是低分辨率图像(经过双三次下采样)，该图像是高分辨率的图像$x$的模糊和噪声版本。 下一步再列出能量公式(energy f 阅读全文

摘要： SRMD的内容上篇，已经介绍，本文主要介绍SRMD的升级版，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（downsampl 阅读全文

摘要： 1．摘要 近年来，深度卷积神经网络（CNN）方法在单幅图像超分辨率（SISR）领域取得了非常大的进展。然而现有基于 CNN 的 SISR 方法主要假设低分辨率（LR）图像由高分辨率（HR）图像经过双三次 (bicubic) 降采样得到，因此当真实图像的退化过程不遵循该假设时，其超分辨结果会非常差。此 阅读全文

摘要： Make the most of your data Data augmentation 加载图像后，对图像做一些变化，这些变换不改变图像的标签。 通过各种变换人为的增大数据集，可以避免过拟合提高模型的性能，最简单的数据增强就是横向翻转。 1. horizontal flips 2. random 阅读全文

摘要： 目标：我们有几个类别，然后我们要在这张图中找到这些类的所有实例 解决思路：是否可以按照回归的思路进行求解呢？ 但是受限制于确定的种类输出问题。 方法：分类和回归是解决问题的两个套路，我们现在对于目标的探测问题不把它看作是回归问题， 而是看作是分类问题。所以我们将一张图片的一部分作为分类器的输入，进行 阅读全文