loss收敛过小或finetune时跑飞情况分析
最近在跑REDNet去噪网络，基于pytorch框架，输入输出图像被归一化到了0-1之间，loss使用的是L2 loss，理论最终收敛值为33左右。结果在之前训练好模型的基础上finetune,出现了这种情况：
当使用L1或者输入为
...
阅读论文《blind image super-resolution with spatially variant degradations》
2019 sigraph论文，只看懂了一些皮毛，有不足请指正。其出发点是，估出不准确的核会导致SR的结果也是不准确的，因此，需要估出一个准确的核，这里通过在HR空间下进行误差调整实现估核。即，先提供一个初始LR和初始核，然后通过两者得到一个SR图像，并通过一个核判别器去分析
...
阅读论文《unfolding the alternating optimization for blind super resolution》
2020 nips，做盲超分辨。针对之前方法存在的问题，即只从LR里估核，然后借助估出的核去进行超分辨率，这样会导致估出的核误差会在超分辨被累计，且估核的过程并没有利用SR的结果，从而导致估核的结果是不准确的。这里，论文使用Estimator借助LR和SR去估核，而Rest
...
阅读论文SRFeat:Single Image Super-Resolution with Feature Discrimination
这是2018 ECCV的一篇论文，主要阐述使用GAN对特征进行训练，这里只做简要的介绍。 文章的目的也是为了获得具有较高感知质量的高分辨图像。目前基于GAN的SR方法很难产生具有有意义的高频信息，这是因为SR之后的图像和真正的HR图像之间的差别还是它
...
阅读论文《Learning a Single Convolutional Super-Resolution Network for Multiple Degradations》
这是2018CVPR一篇做超分辨的论文，主要阐述考虑多种降质因素的超分辨。 一般的超分辨只考虑由于双线性三次插值下采样导致的高分辨退化成低分辨图像，因此当降质过程不符合该过程时，一般超分辨重建算法的效果都会比较差。本论文提出的超分辨重建算法不仅考虑由
...
阅读论文《Multi-scale Residual Network for Image Super-Resolution》
这是2018 ECCV的一篇做超分辨的论文，整体感觉没有太多亮点，这里做一下简要的介绍。 目前的超分辨网络变得越来越大、深且需要非常多的trick，这很显然是非常不合理的。存在的问题主要包括：1.难以复现，很多trick都被隐藏了；2.没有充分利用各
...
阅读论文 ESRGAN:Enhanced Super-Resolution Generative Adversarial Networks
idea 这是2018年PIRM-SR challenge的优胜方案，主要是为了提高SR任务里的感知质量，论文的核心contribution可以归纳为以下几个点：1.首先论文引入了密集残差连接模块，该模块去掉BN层，从而方便网络进行学习。2.其次论文里使用了relative
...
感知机和SVM算法的实现(sklearn)
感知机题目要求如下：
首先我们产生数据(注意，我们的data后面都加上一个1，是为了计算感知机里的偏置也就是常数项）：
12345678import numpy as npfrom matplotlib import pyplot as pltdef produce(
...