pytorch入门学习
来源：https://www.pytorchtutorial.com/pytorch-note1-what-is-pytorch/
参数 pytorch中有两种变量类型，一种是Tensor,一种是Variable。Tensor:就像ndarray一样,一维Tensor叫Vec
...
分割网络编码部分简要理解
神经网络在处理分割、增强等任务时，可以将网络分成两个部分，encoder部分利用卷积等操作对图像的语义特征进行编码，decoder部分解码encoder所编码的信息，从而完成相应的任务。 在分割里网络可以分成显式编码和隐式编码，其中隐式编码是指没有加
...
阅读论文《Deep Bilateral Learning for Real-Time Image Enhancement》
这是2017 siggraph的一篇论文，寒假boss让我看这篇论文我没怎么看懂。最近在公司实习，发现该论文的成果已经移到手机端上了，效果还非常不错。这里我重新温习了一下这篇论文，发现有许多可以借鉴的地方，是一篇非常不错的论文，这里重新叙述一下，谈谈我的理解。 &
...
几种常见的梯度算法总结
在深度学习项目里常常用到一些梯度学习算法，最常见的我们使用的SGD,Adagrad,Adam,RMSProp和momentum,这里参考网上别人写的教程简要理解一下这些梯度下降算法。
SGD 说SGD,就必须先说一下批量梯度下降BGD,其训练的是整个
...
Bilateral Upsample
bilateral的原理和方法已经了解过，借鉴Bilateral的方法进行上采样，可以使用输入的图像作为先验，引导低分辨图像恢复成原分辨的图像，这里简要介绍如下：1.首先看一下联合双边滤波（JBF）,这个东西简要理解的话，就是将经过处理后得到的低分辨小图，通过最近邻插值的方
...
常见的图像分割网络了解（下）
deeplab-v3 在看deeplab-v3之间简要了解一下deeplab-v1和deeplab-v2网络。deeplab-v1网络主要是在保持feature map不变小的情况下，尽可能的增大感受野，这里采用了空洞卷积的方法，最后加上全连接的条件随机场进行优化。&emsp
...
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
...
常见的图像分割网络了解（中）
RefineNet 这个网络主要针对使用膨胀卷积在不进行下采样扩大感受野出现的限制（限制高层特征和输出尺度只能为输入的1/8，膨胀卷积导致严重的细节损失），以及FCN8-s不能有效利用中间层信息。这里认为所有层的信息对于语义分割都是有帮助的。高层的信息识别图像的区域类别，底层
...