ZHGQCN

摘要： 作者：厦门大学信通系SmartDSP实验室，项目官网 题目：用于图像去雨的轻量级金字塔网络 摘要 目前存在的去雨网络存在大量的训练参数，不利于移动端的落地使用 利用特殊领域的知识简化学习过程： 引入高斯拉普拉斯图像金字塔分解技术，所以在每一级上的学习任务可以简化为参数量较少的浅层网络 利用递归和残差 阅读全文

摘要： 常用数据集 BSDS300、BSDS500、DIV2K、General-100、L20、Manage109、OutdoorScene、PIRM、Set5、Set14、T91、Urban100 图像评价 PSNR：逐一像素比较 SSIM：注重整体比较，从对比度、亮度、结构独立比较 MOS：平均主观意见 阅读全文

摘要： 在训练过程中，往往会遇到中断，如在Colab和Kaggle中，由于网络不稳定，很容易就断开了连接。然而，即使可以稳定训练，但是训练的时长往往是有上限的，此时我们的网络参数训练的可能还未收敛仍然需要训练，所以，应该加载原训练基础上再进行训练是十分很重要的。 比如，要训练1000代才能收敛，但是目前只训 阅读全文

摘要： 要先利用GPU训练，CPU测试，那么在模型训练时候，是能保存模型的参数而不能保存整个模型，可见**Pytorch模型保存机制便可以学会模型的保存、加载、测试** 💥这里主要讲一点重要的，即在pytorch 1.6的版本中训练模型保存时，不能直接使用 torch.save(state_r, mode 阅读全文

摘要： 在训练中，模型保存至关重要，pytorch中主要有以下两种保存机制： 🅰保存整个模型，即模型+参数 🅱只保存训练参数 保存整个模型 # 保存 torch.save(model, './model.pth') # 加载 model = torch.load('./model.pth') 只保存参数 阅读全文

摘要： 模型训练之后，测试是重中之重，目前，我所碰到的有以下两种方式： 🅰利用torchvision.utils.save_image来对模型结果直接进行保存 🅱先将结果转换为numpy array之后进行提取与合成 利用torchvision.util.save_image进行测试 了解源码请看官方文 阅读全文

摘要： 在进行训练时，将图像原原本本地作为input进行训练是难以实现的，所以往往有以下两种处理方案： Centercrop 分块 分块处理 对于分块，我们可以进行不同的等分，以下对512 * 512 pixel的图像及其所对应的target进行两种尝试： 4 * 4 分块，即生成的input是128 * 阅读全文

摘要： 在进行神经网络测试时，可以 直接将图像作为输入从而进行测试 利用图片分块，然后送进网络进行一个测试后进行合成 对于方法二，我们可以看看以下操作： 进行放大查看我们的merge后的结果,可以发现，虽然超分结果也是2048*2048pixel，但是会合并出来的交界处的横线，严重影响评估效果。 图像分块合 阅读全文

摘要： 一、文献阅读的三个禁忌 无选择精读 只看不做笔记 看了不记录作者及出处 二、如何检索文献 SCI-hub for 论文下载 Web of Science 学校的数据库 Google Scholar PubMed 三、如何筛选文献 😀摘要一定要认真看 四、如何阅读文献 1. 读摘要Abstract 阅读全文

摘要： 计算素数的一个方法是埃氏筛法，它的算法理解起来非常简单： 首先，列出从2开始的所有自然数，构造一个序列： 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, ... 取序列的第一个数2，它一定是素数，然后用2把序列的 阅读全文