卷积网络对图像微小的变化产生非常差的效果
图像变形包括：平移，尺度变化，旋转，图上微小的变化。如下图所示：
网络特征提取不变性 网络在预测的时候会随着图像中物体的平移、尺度放缩等在准确率上出现抖动，一个例子使用InceptionResNet-V2出现的结果如下所示:
...
softmax和logistic回归的区别和联系
首先先说结论，两者的主要不同体现在（1）softmax用来解决多分类问题，lr解决二分类问题（2）softmax输出每一类的概率值，并确定概率最大的类是正确的，lr只区别是还是不是。事实上softmax是lr的一般情况。下面具体来看。
1.Logistic回归 &
...
阅读论文“Zero Reference Deep Curve Estimation for Low Light Image Enhancement”
2020 cvpr,和2019 MM deep internal learning做背光图像增强那篇论文的出发点和idea都是一样的，相较那一篇在具体方法上也相似但稍微复杂一点。出发点仍然是使用没有GT的图像实现self增强，具体手段也是使用curve增强曲线。即通过对像素
...
阅读论文“Blind Super Resolution Kernel Estimation using an Internal-GAN”
2019 NIPS oral，task是无监督超分，非常推荐一读。论文的出发点是要发掘patch上的自相关分布，通过生成器G生成LR downsample后的版本和LR自己相应的patch在分布上更相似（通过D网络判别学到），从而学习出LR的降质过程，和ZSSR一样，这个工
...
阅读论文《Zero-Shot Image Super-Resolution with Depth Guided Internal Degradation Learning》
ECCV 2020，使用深度信息引导自监督超分辨率。基本的出发点是，图像降质信息与距离远近是有关系的，即近距离的一般更清晰，可以作为HR，远距离的图片更糊，可以作为LR。这样，就可以获得LR HR对，虽然是不对齐的。然后就可以借助GAN对后续SR进行学习，这里使用一个降质学
...
阅读论文《Global and Local Enhancement Networks for Paired and Unpaired Image Enhancement》
ECCV 2020，从全局和局部实现图像画质增强。论文的出发点是，先进行全局层面上的画质增强，然后在像素细节层面上进行画质增强。在全局上进行画质增强显然比在像素空间上进行增强要容易进行训练，基于这一点，可以进行针对性的训练，即Two-stage方式的训练，实现coarse
...
计算机视觉/图像处理相关面经5
均从网上搜集而来，非本人面经，这里做简单整理，这里侧重于机器学Python
Python迭代器，生成器实现了iter和next方法的对象都称为迭代器。迭代器是一个有状态的对象，在调用next() 的时候返回下一个值，迭代器的目的是为了节省内存，只有调用next方法时才返回该元素。迭代器是一种Lasy
...
阅读论文“A lowlight image enhancement method learning from both paired and unpaired data by adversarial training”
2021的Neurocomputing，主要思想是先在仿真图片上训练对齐的图像学习细节恢复，然后对非pair图像进行自监督和GAN进行训练。
之前方法的问题1.直接在非对齐图像上进行训练会导致细节恢复的不好2.现有的unpair方法没有能很好的降噪
论文提出的点1.先使用监
...
阅读论文"U2Fusion:A Unified Unsupervised Image Fusion Network"
2020 PAMI，使用一个模型可以应用到各种图像融合任务。
原来方法的问题1.对于各种图像融合任务来说，一个通用的融合模型是不存在的，因为缺少一个通用的参考图像或者GT2.不同类型的图像融合任务具有相似点，应当可以使用通用模型解决这些问题
论文提出的点1.将不同融合任务使
...