09 2019 档案
摘要:图像去噪(FFDNet):将噪声标准差输入网络,引导非盲去噪网络。考虑用正交初始化,对去噪网络和map处理网络解耦。
阅读全文
摘要:图像去噪(DnCNN):应该是第一篇将DNN用于高斯去噪的网络。
阅读全文
摘要:压缩视频质量提升(MFQE):基于“好帧补偿差帧”的思想,提出了一种针对压缩视频的质量增强方法。已被TPAMI 2019接收。
阅读全文
摘要:医学图像分割(UNet):引用量超过8k的、用于医学图像分割的网络结构。UNet短小精悍,靠的是稠密拼接、降采样升采样结构以放大感受野面积。
阅读全文
摘要:图像分类(DenseNet):稠密连接(增大冗余,提高泛化能力),同时减小特征图数量(减小冗余)。
阅读全文
摘要:从无到有:PyTorch1.2 + CUDA10.0 + cuDNN7.6 + Anaconda3。
阅读全文
摘要:Ubuntu 18.04安装和配置记录。
阅读全文
摘要:图像分类(MSDNet):对简单样本采取early-exit机制,可降低计算负担。
阅读全文
摘要:直接学习有噪图像之间的映射,无需干净或无损图像。因为有噪图像和无噪图像的期望在一定条件下相同。
阅读全文

浙公网安备 33010602011771号