- 博客(34)
- 资源 (23)
- 收藏
- 关注
RSS订阅原创 CVPR 2023 Curricular Contrastive Regularization for Physics-aware Single Image Dehazing 个人学习笔记
用于物理感知单图像去雾的课程对比正则化Abstract考虑到不适定的性质，发展了单图像去模糊的对比正则化，引入了来自负图像的信息作为下界。然而，对比样本是非一致的，因为阴性通常距离清晰（即正）图像很远，使解空间仍然不足。此外，深度脱雾模型的可解释性对脱雾过程的物理研究还没有得到充分的探索。在本文中，我们提出了一种新的课程对比正则化，目标是一个自愿对比空间，而非非自愿对比空间。我们的负片提供了更好的下界约束，可以从1)模糊图像和2)通过其他现有方法进行相应的修复。此外，由于清晰图像和负图像嵌入
2023-12-01 21:33:53
1402
1
原创 CVPR 2023 Context-aware Pretraining for Efficient Blind Image Decomposition 个人学习笔记
图1。恢复框架的原型： (a)传统方法[61,62]需要特定任务的网络设计和单独的训练。(b)一体机[28]依赖于繁琐的多头一对一训练。(c)转基因[49]是特别的，以消除一个特定的噪音一次。(d) IPT [4]使用一个可重用的预训练的中级转换器扩展了(c)，它只工作于特定的任务。(e) BIDeN [17]返回到复杂的多解码器，并要求来自噪声标签的密集监督。(f)所提出的方法研究了通过利用在预训练过程中学习到的先验知识来去除一般的噪声组合，这在很大程度上简化了管道。（请放大以查看详细信息。）
2023-11-30 16:57:48
1018
原创 CVPR 2023 RIDCP: Revitalizing Real Image Dehazing via High-Quality Codebook Priors 个人学习笔记
代码下载链接：https://download.csdn.net/download/zhouaho2010/88577881Abstract由于缺乏成对的真实数据和稳健的先验，现有的去雾处理方法Existing dehazing approaches 难以处理struggle to process真实世界的模糊图像。在这项工作中，我们从合成更真实的雾天数据和引入更鲁棒的先验的网络角度提出了一个新的范式的真实图像去雾。具体来说，(1)我们没有采用实际的物理散射模型，而是重新考虑真实雾天图像
2023-11-28 21:24:51
1399
原创 利用AlphaMissense准确预测蛋白质组范围内的错义变体效应
在人类基因组中观察到的绝大多数错义变体具有未知的临床意义。我们提出了AlphaMisense，这是AlphaFold的一种改编，对人类和灵长类动物的变体群体频率数据库进行了微调，以预测错义变体的致病性。通过将结构背景和进化守恒相结合，我们的模型在广泛的遗传和实验基准上取得了最先进的结果，而无需对这些数据进行明确的训练。基因的平均致病性得分也可以预测其细胞重要性，能够识别现有统计方法检测能力不足的短必需基因。
2023-11-20 21:37:24
292
原创 Latex写论文常见错误及解决办法汇总
读完了博士，发现Latex还是会偶尔出差，就想着还是总结一下遇到的错误，以便日后进行查询，希望也能帮助各位朋友。解决办法：添加包 \usepackage{booktabs}
2023-08-15 20:29:19
363
原创 错误 NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. 解决方案
这是由于重启服务器，linux内核升级导致的，由于linux内核升级，之前的Nvidia驱动就不匹配连接了，但是此时Nvidia驱动还在，可以通过命令。ls /usr/src/ | grep nvidia，字符串中。3、再次 nvidia-smi，发现可以了。后面的部分都是驱动版本。1、 查看当前驱动版本。
2023-02-03 12:15:15
4261
3
原创 Rethinking Performance Gains in Image Dehazing Networks
论文源码：https://download.csdn.net/download/zhouaho2010/87393184 Abstract图像去雾是低层视觉中的一个活跃话题，随着深度学习的快速发展，许多图像去雾网络被提出。尽管这些网络的工作良好，但提高图像去雾性能的关键机制仍不清楚。出于这个原因，我们不打算提出一个具有奇特模块的去雾网络；相反，我们对流行的U-Net进行最小的修改以获得紧凑的去雾网络。具体来说，我们将U-Net中的卷积块交换为具有门控机制的残差块，融合主路径的特征映射，并使用选择核跳过连接
2023-01-20 17:26:42
2409
1
原创 【AAAI2023】视觉辅助的常识知识获取Visually Grounded Commonsense Knowledge Acquisition 个人学习笔记
摘要：大规模的常识知识库为广泛的AI应用提供了能力，其中常识知识的自动提取extraction of commonsense knowledge (CKE)是一个基本和具有挑战性的问题。文本中的CKE因其固有的稀疏性和文本中常识的报道偏差reporting bias而闻名。另一方面，视觉感知包含了丰富的关于现实世界实体的常识知识，如(人、能拿的东西、瓶子)，这可以作为获得基础常识知识的有前途的来源。在这项工作中，我们提出CLEVER，它将CKE描述为一个远端监督的多实例学习问题，其中模型学习从一组关于实体
2022-12-01 17:32:58
1168
原创 2019 DENSE-HAZE: A BENCHMARK FOR IMAGE DEHAZING WITH DENSE-HAZE AND HAZE-FREE IMAGES
Dense—Haze数据集下载：Dense_Haze浓雾数据集-深度学习文档类资源-CSDN下载 ABSTRACT 单图像去模糊处理是一个最近引起重要关注的不适定问题。尽管在过去的几年中，人们对去雾方法的兴趣显著增加，但由于缺乏真正的模糊和相应的无雾参考图像对，去雾方法的验证仍然在很大程度上不令人满意。为了解决这一限制，我们引入了密集的雾霾Dense-Haze——一个新的去雾霾数据集。密雾以密集、均匀的朦胧场景为特征，包含33对真实的朦胧和相应的无雾霾图像。通过引入由专业的雾霾机产生的真实的雾霾，记录了朦胧
2022-09-24 21:34:02
1597
原创 CVPR 2022 Image Dehazing Transformer with Transmission-Aware 3D Position Embedding 个人学习笔记
在下面的内容中，我们将详细介绍这些模块。更详细的网络结构和参数可以在补充材料中找到。 3.2. Network StructureTransformer模块。为了实现全局环境来处理空间变化的雾霾，我们采用了一种具有很强的建模远程依赖能力的变压器。具体来说，我们采用Swin Transformer[21]作为骨干backbone，基于其有效性和效率之间的良好权衡，提取分层变压器特征。其他的变压器骨干也可以在我们的框架中使用。虽然更大的图像补丁可以提高Swin Transformer[21]的计算效率，但它会在
2022-09-24 17:57:53
3297
1
原创 CVPR 2022 Self-augmented Unpaired Image Dehazing via Density and Depth Decomposition个人学习笔记
Abstract为了克服在合成的模糊-干净图像对上训练的去模糊模型的过拟合问题，最近的许多方法试图通过对未配对数据进行训练来提高模型的泛化能力generalization ability。其中大多数只是简单地制定了去雾化和再雾化循环，而忽略了现实世界中雾霾环境的物理性质，即雾霾随密度和深度而变化。.在本文中，我们提出了一种自增强的图像去雾框架，称为D4（通过将传输图分解为密度和深度来去雾），用于雾霾的产生和去除。所提出的框架不是仅仅估计传输图或干净内容，而是侧重于探索exploring模糊和干净图像中包含
2022-09-05 21:31:59
2776
1
原创 Deep Retinex Decomposition for Low-LightEnhancement （2018 BMCV，含代码）
摘要Retinex模型是弱光图像增强的有效工具。它假设观察到的图像可以分解为反射率和照明度。大多数现有的基于retinex的方法都为这种高度病态的分解精心设计了手工制作的约束和参数，当应用于各种场景时，这可能会受到模型容量的限制。在本文中，我们收集了一个包含低/正光图像对的低光数据集(LOL)，并提出了一个在该数据集上学习的深度Retinex网，包括一个用于分解的Decom-Net网和一个用于照明调整的Enhance-Net 。在深度网的训练过程中，没有分解的反射率和照明的地面真相ground truth。
2022-07-12 12:18:42
2649
1
原创 MBLLEN: Low-light Image/VideoEnhancement Using CNNs （2018 BMCV(视觉顶刊)）
Abstract 我们提出了一种基于深度学习的弱光图像增强方法。这个问题具有挑战性，因为难以同时处理各种因素，包括亮度、对比度、伪影和噪声。为了解决这一任务，我们提出了多分支低光增强网络(MBLLEN)。其关键思想是从不同的层次上提取丰富的特征，使我们可以通过多个子网应用增强，最终通过多分支融合生成输出图像。这样，就从不同的方面提高了图像质量。通过大量的实验，我们提出的MBLLEN被发现大大优于最先进的技术。此外，我们还表明，我们的方法可以直接扩展到处理低光视频。https://github.com/Lvf
2022-06-16 21:28:16
2593
1
原创 Single Image Dehazing via Multi-scale Convolutional Neural Networks with Holistic Edges 2020 个人学习笔记
摘要单图像去模糊一直是一个具有挑战性的问题，旨在恢复清晰的图像。现有的图像去模糊方法的性能受到手工设计的特征和先验的限制。在本文中，我们提出了一种多尺度深度神经网络，通过学习模糊图像与其传输映射之间的单图像去模糊。该算法由一个基于整个图像预测整体传输地图的粗尺度网和一个局部细化分离结果的精细尺度网组成。为了训练多尺度深度网络，我们基于纽约大学深度数据集，合成了一个由模糊图像和相应的传输地图组成的数据集。此外，我们提出了一个整体的边缘引导网络来细化估计的传输图的边缘。大量的实验表明，该算法在质量和速度..
2022-04-18 16:40:55
2883
原创 linux显卡驱动循环登入,ubuntu16.04安装nvidia驱动后循环登录等问题的终极解决方案
网上解决方案太多了，试了N种都没用，结果看了一篇博文才解决：linux显卡驱动循环登入,ubuntu16.04安装nvidia驱动后循环登录等问题的终极解决方案..._珍妮赵的博客-CSDN博客Ubuntu是个不错的Linux系统，可以安装nvidia显卡的驱动后，小伙伴们基本都要发现“循环登录”的情况，网上搜罗一下差不多有上百种解决方案，基本能解决问题的，个人总结下来就是如下这种：先卸载nvidia驱动：1、sudo ./****.run --uninstall2、sudo apt-get remove
2022-04-13 22:25:29
868
原创 Gradient Domain Guided Image Filtering个人学习笔记
摘要引导式图像滤波器(GIF)以其保边特性和低计算复杂度，是一种著名的局部滤波器。不幸的是，GIF可能会遭受光晕伪影，因为在GIF中使用的局部线性模型不能很好地在某些边缘附近表示图像。本文结合显式的一阶边缘感知约束，提出了一种梯度域GIF。边缘感知约束使边缘被更好地保持下来。为了说明该滤波器的效率，将所提出的梯度域GIF应用于单图像细节增强、高动态范围图像的音调映射和图像显著性检测。理论分析和实验结果表明，所提出的梯度域GIF可以产生更好的合成图像，特别是在原始GIF中出现晕的边缘附近。一、..
2022-03-17 18:21:26
4983
2
原创 SwinIR: Image Restoration Using Swin Transformer 个人学习笔记
https://github.com/JingyunLiang/SwinIR 摘要图像恢复是一个长期存在的低水平视觉问题，目的是从低质量图像（例如缩小、噪声和压缩图像）中恢复高质量的图像。虽然最先进的图像恢复方法是基于卷积神经网络，但很少有人尝试用Transformers在高级视觉任务中表现出令人印象深刻的性能。本文提出了一种基于Swin Transformers的图像恢复强基线模型SwinIR。SwinIR由浅层特征提取、深度特征提取和高质量的图像重建三部分组成。特别地，深度特征提取模块由几个
2022-02-22 21:35:04
688
原创 Dense Scene Information Estimation Network for Dehazing（CVPR2019）个人学习笔记
http://signal.ee.psu.edu/research/ATJDH.html摘要图像脱模糊仍然是最具挑战性的反问题之一。深度学习方法的出现，以补充传统的基于模型的方法，并帮助定义了一种新的技术状态来实现可实现的去除图像质量。然而，实际的挑战仍然是在现实世界的图像中，场景被密集的雾霾严重覆盖，即使是没有视觉观察到的场景信息。许多最近的脱雾方法通过设计深度网络来估计雾霾模型中的物理参数来解决这一挑战，即环境光(A)和透射图(t)。然后，可以将雾霾模型的逆值用来估计去雾霾的图像。在这项工作..
2022-02-22 11:41:09
1929
原创 DehazeFlow: Multi-scale Conditional Flow Network for Single Image Dehazing （ACMMM 2021）个人学习笔记
摘要单图像去模糊是许多计算机视觉应用的一项关键的初步任务，在深度学习方面取得了进展。脱雾任务是一个不适定的问题，因为图像中的雾霾会导致信息的丢失。因此，对于雾图像的图像恢复有多种可行的解决方案。大多数现有的方法学习雾图像和GT之间确定性的一对一映射，忽略了去雾任务的病性which ignores the ill-posedness of the dehazing task。为了解决这一问题，我们提出了一种新的基于条件归一化流的单图像去雾处理框架。我们的方法学习模糊图像下无雾图像的条件分布，使模型能够..
2022-02-21 15:46:02
1198
原创 From Synthetic to Real: Image Dehazing Collaborating with Unlabeled Real Data （ACMMM 2021）个人学习笔记
摘要单图像去雾是一项具有挑战性的任务，在合成训练数据和真实测试图像之间的域转换通常会导致现有方法的退化。为了解决这个问题，我们提出了一种新的图像去雾框架，与未标记的真实数据协作。首先，我们开发了一个分解图像去雾网络(DID-Net)，它根据雾霾形成过程的物理模型，将特征表示分解为潜在的无雾霾图像、传输图和全球大气光估计。我们的DID-Net通过跨尺度逐步整合特征来预测这三个组件地图，并通过一个独立的细化网络来细化每个地图。然后利用分解一致性平均教师网络(DMT-Net)对未标记的真实数据进行协作，以..
2022-02-21 12:15:53
937
原创 Unsupervised Single Image Dehazing Using Dark Channel Prior Loss个人学习笔记
摘要单图像去去雾处理是现代许多自动视觉应用中的一个关键阶段。早期的原始方法通常涉及到对手工制作的能量函数的耗时最小化。最近的基于学习的方法利用深度神经网络(DNNs)的表征能力来学习模糊和清晰图像之间的潜在转换。由于收集清晰和模糊图像的固有局限性，这些方法需要对合成数据进行训练；由室内图像和相应的深度信息构建。这可能会导致在处理户外场景时可能发生的领域转移。我们提出了一种完全无监督的训练方法，通过最小化著名的暗通道先验(DCP)能量函数。我们不再使用合成数据，而是只使用真实世界的户外图像，并通过直接..
2022-02-20 17:01:57
646
原创 Semi-Supervised Image Dehazing个人学习笔记
一、摘要提出了一种有效的单图像去雾的半监督学习算法。该算法采用一个包含有监督学习分支和一个无监督学习分支的深度卷积神经网络(CNN)。在有监督的分支中，深度神经网络受到有监督的损失函数的约束，即均方损失、感知损失和对抗性损失。在无监督分支中，我们利用暗通道的稀疏性和梯度先验来利用干净图像的性质来约束网络。我们以端到端的方式在合成数据和真实世界的图像上训练所提出的网络。分析表明，所提出的半监督学习算法并不局限于合成的训练数据集，可以很好地推广到真实图像。大量的实验结果表明，该算法在基准数据集和真实图像..
2022-02-19 20:51:45
534
原创 Weakly supervised single image dehazing 个人学习笔记
一、摘要单图像去雾处理是许多实际视觉系统的关键图像预处理步骤。大多数现有的去雾方法利用各种人工设计的先验或对合成的雾天图像信息（如无雾图像、传输图和大气光）进行监督训练来解决这一问题。然而，对人工设计的先验的假设很容易被违反，而且收集现实的透射图和大气光是不实际的。本文提出了一种新的基于多层次多尺度块的弱监督网络。该网络减少了对训练数据的约束，在不使用任何真实的透射图和大气光作为监督的情况下，自动估计透射图、大气光和中间无雾图像。此外，估计的中间无雾图像通过嵌入物理模型，有助于生成准确的传输图和大气光，.
2022-02-19 15:46:57
479
原创 RefineDNet个人学习笔记
一、摘要无雾图像是许多视觉系统和算法的先决条件，因此单幅图像去雾在计算机视觉中是至关重要的。在这一领域，基于先验的方法已经取得了初步的成功。然而，它们经常在输出中引入恼人的伪影，因为它们的先验很难适合所有情况。相比之下，基于学习的方法可以产生更自然的结果。然而，由于缺乏与训练样本相同场景的、成对的雾霾和清晰的户外图像，它们去除雾霾的能力有限。在这项工作中，我们试图将基于先验和基于学习的方法的优点合并，将去雾任务划分为两个子任务，即可见性恢复和提高真实性。具体地说，我们提出了一个两阶段弱监督去雾框架，Ref
2022-02-18 15:45:33
387
1
原创 DehazeNet个人学习笔记
一、摘要与引言1、.现有的方法使用各种约束/先验来获得合理的去雾解决方案。2、.实现去雾的关键是估计一个输入的模糊图像的介质传输图。3、在本文中，我们提出了一种可训练的端到端系统，称为DehazeNet，用于估计透射率。4、.DehazeNet以一个模糊图像作为输入，输出其介质传输图，然后通过大气散射模型恢复无雾图像。5、DehazeNet采用基于卷积神经网络的深度体系结构，其层的设计旨在体现图像去模糊处理中已建立的假设/先验。具体来说，Maxout单元的层用于特征提取，它可以生成几乎所有与雾相关
2022-02-17 16:37:46
3133
原创 史上最容易入门西瓜书《机器学习》的课程，算法理论+公式详细推导+代码实战，非常适合小白零基础学习
史上最容易入门西瓜书《机器学习》的课程，算法理论+公式详细推导+代码实战，非常适合小白零基础学习历时7个月的心血，本科高校现场实录！历时7个月的心血，本科高校现场实录！本人是国内某双一流高校博士研究生，研究方向主要是机器学习、深度学习、计算机视觉等，本人也是从零开始学习机器学习的，一开始学习大牛周志华老师的《机器学习》西瓜书实在很难啃，公式太多而且只有结果没有中间课程，因此本人花了大量时间进行学习，并手推每一个重要的公式，最后讲解录制出来。本人是将机器学习算法与公式推导结合起来讲解，并通过代码实现算法的
2021-03-22 16:43:59
593
原创 【解决方案】警告：未来的版本中将会删除NARGCHK。请改用NARGINCHK或NARGOUTCHK
【解决方案】警告：未来的版本中将会删除NARGCHK。请改用NARGINCHK或NARGOUTCHK解决办法：找出对应发出警告的m文件error(nargchk(1, 1, nargin)), error(nargoutchk(0, 1, nargout))改成narginchk(1,1),naroutchk(0,1)即可...
2020-08-13 10:28:05
1842
原创 小白零基础学习：详解梯度下降算法：完整原理+公式推导+视频讲解
首先简单自我介绍一下，本人现在是国内某211大学2019级博士研究生，计算机科学与技术专业，研究方向和兴趣包括深度学习（CV）、图像处理、菌群仿生优化算法、元胞自动机等，愿与大家分享自己的学习心得！目前主要研究图像去雾算法和深度学习理论。如果要学习Machine Learning和Deep Learing，那么Gradient Descent Algorithm (梯度下降算法）是必须要掌握...
2019-10-26 18:04:13
9421
8
转载 数字图像处理中的一些易混淆概念：灰度、灰度级、灰度化、二值化、分辨率、屏幕分辨率、像素值、对比度
1、像素点像素点是最小的图像单元，一张图片由好多的像素点组成。如下图 可以看...
2019-10-25 16:32:43
4574
原创 图像去雾算法学习笔记1——何凯明博士基于暗通道先验的单幅图像去雾算法公式推导
图像去雾算法学习笔记1本人现在是国内某211大学博士研究生，刚入学1个多月，把深度学习和图像处理做为自己的研究方向，从图像去雾算法开始看起。说到图像去雾算法，不得不提大牛何凯明博士，圈内都知道他的：何凯明博士，本科毕业于清华大学基础科学班。他是2006年微软小学者奖学金获得者之一，同时也是2003年广东省高考状元。2007年清华大学毕业之后开始在微软亚洲研究院（MSRA）实习，2011年香港...
2019-10-24 09:28:59
15780
3
原创 Pycharm安装库（如jieba库）时装不了的解决办法
我用的Pycharm+anaconda 环境，最近安装jieba库，用了pip install jieba报错如下：然后用conda install jieba 还是报错：PackagesNotFoundError: The following packages are not available from current channels1 解决办法：打开Anaconda prompt...
2019-10-19 21:22:54
5827
1
原创 考博买真题被骗经历
今天比较累，在实验室看论文看不下去了，就打开QQ，发现之前加的好多考博群变的活跃起来，原来是新一轮的考博招生简章陆续出来了，都在讨论考博的事情，我之前加的考博群好多都改名为“***大学2020年考博群”了。作为一名考过四所高校的我来说，应该算的上考博经历丰富了，大家都知道历年考博真题是非常重要的复习资料，今晚我就写一篇博文，把自己在求考博真题过程中的被骗经历写出来，希望让准备2020年考博的学弟学...
2019-10-18 21:58:40
2185
原创 应各位朋友的要求，贴出当年写的考研经历文章，希望能再给准备考研的朋友一些启发吧
前两天发了一篇“双非计算机专硕考博历程分享”的文章，没想到短短两天引起很多朋友的关注，首先在此深表感谢！！！好多朋友看了我的经历能对自己有所启发有所帮助，我觉得这样我的文章就写的有价值，也对我今后发博文有极大的鼓励！本来写这篇博文的初衷是给准备考博的硕士生朋友看的，但没想到也有本科生朋友看到了并发来私信咨询我考研经历，我就想把当年写在QQ空间里的关于“考研经历”的文章贴到这里来，希望能给准备考研...
2019-10-09 22:28:12
584
1
原创 “双非计算机专硕”考博历程分享
一直很想写自己的考博历程，但一直没能腾出集中的时间去写，现在我在疾驰的火车上，国庆回老家玩了几天，现在正乘T237次列车返回学校，昨晚在车上迷迷糊糊睡了一晚上，硬座，现在醒了洗漱了，吃了一个面包，喝了点水，看看还有3个小时左右到站，车上也没信号，也不想再睡了，想想打开笔记本电脑把自己的考博历程写出来分享给更多的考博学子，希望能给他们一定的启示和帮助吧。首先介绍一下自己吧，我是计算机专业的，89年...
2019-10-07 19:59:02
6817
67
CurricularContrastive Regularizationfor Physics-aware Dehazing代码
2023-12-01
CVPR 2023 RIDCP源码
2023-11-28
gUnet源码(Rethinking Performance Gains in Image Dehazing Networks)
2023-01-20
AAAI2023Visually Grounded Commonsense Knowledge Acquisition 源码
2022-12-01
Dense_Haze 浓雾数据集
2022-09-24
CVPR2022 Image Dehazing Transformer with Transmission-Aware 3D代码
2022-09-24
Hindawi出版社旗下期刊的latex模板
2022-07-06
Hindawi出版社的期刊论文通用word模板 Hindawi word模板Hindawi_template.docx
2022-07-06
图像去雾质量评价源码Referenceless Prediction of Perceptual Fog Density and Perceptual Imag
2021-01-04
2020CVPR去雾-Distilling Image Dehazing With Heterogeneous Task Imitation论文源码
2021-01-04
2020CVPR去雾-Multi-Scale Boosted Dehazing Network with Dense Feature Fusion论文源码
2021-01-04
北大青鸟项目实战案例源代码、素材、课件—MyQQ、MySchool在线答题、模块、高校信息管理系统数据库设计、骑士飞行棋、网上书店网站设计
2010-06-10
J2me手机游戏1945第二版源代码
2009-12-18
Java+MsSQL超市进销存（毕业设计及答辩资料）
2009-12-18
J2me手机游戏源码——供初学者学习——数独
2009-12-18
局域网-无法访问网上邻居-终极解决办法
2009-08-11
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人