10 2019 档案

Paper | Quality assessment of deblocked images
摘要：对块效应敏感的PSNR-B指标。 阅读全文
posted @ 2019-10-30 17:34 RyanXing 阅读(1109) 评论(0) 推荐(0)
Paper | Compression artifacts reduction by a deep convolutional network
摘要：AR-CNN：第一个将CNN用于去除压缩失真。 阅读全文
posted @ 2019-10-29 21:04 RyanXing 阅读(732) 评论(0) 推荐(0)
Paper | MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
摘要：MobileNet：调节通道数和通道尺寸，大量集成深度可分离卷积。 阅读全文
posted @ 2019-10-24 14:36 RyanXing 阅读(455) 评论(0) 推荐(0)
Paper | Deep Residual Learning for Image Recognition
摘要：ResNet：学习残差，让深度网络逼近恒等变换。 阅读全文
posted @ 2019-10-23 19:16 RyanXing 阅读(462) 评论(0) 推荐(0)
Paper | Squeeze-and-Excitation Networks
摘要：通道注意力建模。轻量级，效果明显。2017年ILSVRC分类冠军。 阅读全文
posted @ 2019-10-23 15:42 RyanXing 阅读(428) 评论(0) 推荐(0)
Paper | Xception: Deep Learning with Depthwise Separable Convolutions
摘要：Xception结构：进一步解耦通道互相关和空域互相关操作。 阅读全文
posted @ 2019-10-23 11:17 RyanXing 阅读(796) 评论(0) 推荐(0)
Paper | A novel deep learning-based method of improving coding efficiency from the decoder-end for HEVC
摘要：压缩视频质量增强（DCAD）：第一篇HEVC解码端质量增强的工作。 阅读全文
posted @ 2019-10-20 19:39 RyanXing 阅读(700) 评论(0) 推荐(0)
Paper | Learning convolutional networks for content-weighted image compression
摘要：图像压缩：引入重要性图，可以代替连续的熵率，作为码率损失。 阅读全文
posted @ 2019-10-20 15:12 RyanXing 阅读(1179) 评论(0) 推荐(0)
Paper | Fast image processing with fully-convolutional networks
摘要：图像处理：用CNN拟合传统图像处理算子。 阅读全文
posted @ 2019-10-19 16:09 RyanXing 阅读(655) 评论(0) 推荐(0)
Paper | A Pseudo-Blind Convolutional Neural Network for the Reduction of Compression Artifacts
摘要：一个QP判决器，级联上四个并联的网络，每个网络服务1个QP。实现伪盲QP去压缩失真。 阅读全文
posted @ 2019-10-19 12:05 RyanXing 阅读(520) 评论(0) 推荐(0)
Paper | Model-blind video denoising via frame-to-frame training
摘要：基于预训练的DnCNN，利用Noise2Noise思想，根据输入视频进行fine-tune。 阅读全文
posted @ 2019-10-18 21:41 RyanXing 阅读(1226) 评论(1) 推荐(0)
论文库
摘要：我的在线论文库！ 阅读全文
posted @ 2019-10-18 13:04 RyanXing 阅读(1817) 评论(0) 推荐(0)
Paper | One-to-Many Network for Visually Pleasing Compression Artifacts Reduction
摘要：JPEG图像去压缩失真：同时使用感知损失、对抗损失和JPEG损失监督，并且采用平移-均值化方法抑制块效应。 阅读全文
posted @ 2019-10-17 17:11 RyanXing 阅读(493) 评论(0) 推荐(1)
Paper | D3: Deep Dual-Domain Based Fast Restoration of JPEG-Compressed Images
摘要：JPEG图像去压缩失真：在双域方法[24]的基础上，用神经网络代替了迭代字典学习过程。 阅读全文
posted @ 2019-10-16 11:20 RyanXing 阅读(877) 评论(0) 推荐(1)
Paper | Feedback Networks
摘要：深度学习：反馈学习比单纯的前向学习更好，符合coarse-to-fine分类原理。 阅读全文
posted @ 2019-10-12 22:52 RyanXing 阅读(1107) 评论(0) 推荐(0)
Paper | No-reference Quality Assessment of Deblocked Images
摘要：质量评估：同时评估平滑区域的块效应，以及纹理区域的模糊程度，从而评估deblocked images的图像质量。 阅读全文
posted @ 2019-10-08 11:20 RyanXing 阅读(645) 评论(1) 推荐(0)
Paper | Residual Dense Network for Image Super-Resolution
摘要：深度学习网络（RDN）：在block内和全局采用短连接和稠密连接的网络结构：Residual dense block & network。 阅读全文
posted @ 2019-10-02 14:37 RyanXing 阅读(1469) 评论(0) 推荐(0)
Paper | Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform
摘要：图像分割：根据语义分割信息，生成仿射变换参数，对SR网络中间层特征进行仿射变换。方法类似于BN，对特征进行正则化。但这里是置入类别先验。 阅读全文
posted @ 2019-10-02 11:35 RyanXing 阅读(1422) 评论(0) 推荐(1)
Paper | Toward Convolutional Blind Denoising of Real Photographs
摘要：图像盲去噪（CBDNet）：通过一个子网络，预测噪声水平图，输入增强网络。本文还尝试建模真实噪声。 阅读全文
posted @ 2019-10-01 14:00 RyanXing 阅读(1050) 评论(0) 推荐(0)