论文笔记 —— SRCNN
来源:互联网 发布:乌克兰胖爸 知乎 编辑:程序博客网 时间:2024/06/15 20:38
任何学习都应该从接口开始,而非实现
本文系论文 Learning a Deep Convolutional Network for Super-Resolution (ECCV 2014)的阅读笔记。
先讲讲传统方法。
以基于 Sparse Coding 的超像素算法为例。通常是学习两组字典——一组低分辨率字典和一组高分辨率字典,假设分别有
我们发现有三个过程:
- 密集采样 patches,并分别映射到一组基上得到编码向量;
- 编码向量的(非线性)映射;
- 在另一组基上重建 patches 并求平均以得到每个点的像素值。
第一个过程 patches 在基上的映射实际上是基在图像上的卷积,第二个过程可以看成是向量到向量的非线性映射,第三个过程中编码重建再 patch averaging 的过程其实等价于另一组基在
所以很有意思的是,虽然概念不同,但这三个过程似乎都对应 CNN 中的神经网络层:第一个和第三个过程对应卷积层,第二个过程对应全连接层。
这就是 CNN for Super-Resolution 的基本思路,以下是其网络结构(来自论文配图):
其参数设置为
以下是部分测试结果:
SRCNN 的网络结构比较简单,找时间用 Keras 实现一下,也会补充到本文的最后。
- 论文笔记 —— SRCNN
- 【论文笔记】Compression Artifacts Reduction by a Deep Convolutional Network(以及SRCNN)
- 论文预读——GIS笔记
- 论文笔记——Batch Normalization
- 论文笔记——拉普拉斯金字塔GAN
- 论文笔记---小论文
- 论文笔记——How to ConQueR Why-Not Questions
- 论文笔记——Making Database Systems Usable
- 读bigtablel论文笔记——结构部分
- Kafka是个奇葩!——Linkin论文学习笔记
- 经典论文阅读笔记——Feature篇(上)
- 经典论文阅读笔记——Feature篇(下)
- 经典论文阅读笔记——BoW Model篇
- 经典计算机视觉论文笔记——《Network in Network》
- Faster R-CNN论文笔记——FR
- Faster R-CNN论文笔记——FR
- 论文笔记——CVPR 2017 Dilated Residual Networks
- 论文笔记——CVPR 2017 Dilated Residual Networks
- Eclipse 开发 Python
- 【UVA 11584】【简单dp】Partitioning by Palindromes【给定一个字符串, 问最少分为几部分可使各部分均为回文串】
- Java中this和super关键字的区别
- hadoop学习(8):HBase-1.2伪分布式安装配置
- EntityFramework 生成MySQL模型出错
- 论文笔记 —— SRCNN
- Struts2学习7-(验证码)
- test
- Copy Control and Resource Management(valuelike or pointerlike)
- 问题分析报告--读取ORC文件报seek错误
- Jupyter Notebook的使用
- V4L2(三)编写虚拟摄像头驱动
- Ubuntu系统信息查询
- 动态规划(一):动态规划的基本概念和基本方程