- 博客(13)
- 收藏
- 关注
RSS订阅原创 论文理解 Practical Deep Raw Image Denoising on Mobile Devices
Practical Deep Raw Image Denoising on Mobile Devices原文：PDF代码：GITThe Noise Model论文中给出的噪声模型为x∼kP(x∗k)+N(0,σ2)x \sim k\mathcal{P}(\frac{x^*}{k})+\mathcal{N}(0,\sigma^2)x∼kP(kx∗)+N(0,σ2)其中，xxx 为噪声图像，x∗x^*x∗ 为无噪声图像，kkk 是 photon noise 相关参数，σ\sigmaσ 是 add
2022-04-24 17:01:18
4192
3
原创 pip for 代理
在使用科学工具的时候，会发现pip install总是会出现ProxyError，如果不想关闭代理，或者在pip中设置代理失败，可以添加两个环境变量HTTP_PROXY: http://127.0.0.1:7890HTTPS_PROXY: http://127.0.0.1:7890其中7890是代理使用的端口号另外有解决方案是，使用PAC模式，请参考知乎...
2022-02-22 20:39:05
1083
原创 论文笔记：Blind Super-Resolution With Iterative Kernel Correction
论文：Blind Super-Resolution With Iterative Kernel Correction论文看得比较粗略，所以可能存在理解错误的地方，请指正（另外请忽略我糟糕的英语）Blind Super-Resolution With Iterative Kernel CorrectionMovtivationEstimate the kernelCorrect the kernelMethodNetwork Architecture of SR modelNetwork Architec
2021-09-17 18:18:27
607
原创 变分推断笔记
主要是参考苏剑林老师的论文《Variational Inference: A unified Framework of Generative Models and Some Revelations》以及文章《用变分推断统一理解生成模型（VAE、GAN、AAE、ALI）》和其他的一些东西的笔记变分推断什么是变分法（似乎没啥用）参考知乎的答案，无限维空间上的微分（Frechet微分）作用于泛函被叫做变分，是微分在函数空间的拓展。泛函是将函数空间映射到数域，比如，从A点到B点有无数条路径，每一条路径对应一
2021-09-16 17:46:42
113
原创 Note: Feature Adaptation Network for Surveillance Face Recognition and Normalization
FAN: Feature Adaptation Network for Surveillance Face Recognition and NormalizationTargetFeature Adaptation NetworkThe overview of FANDisentangled Feature LearningPaired and Unpaired Feature AdaptationLossNon-identity LossPixel LossIdentity LossGAN-based d
2021-09-09 18:36:47
159
原创 线性代数 Lecture 1 方程组的几何解释
方程组的几何解释以二元一次方程为例为例：{2x1−x2=0−x1+2x2=3\begin{cases} 2x_1&-&x_2&=&0 \\-x_1&+&2x_2&=&3\end{cases}{2x1−x1−+x22x2==03可以表示成如下的矩阵形式：[2−1−12][x1x2]=[03]\begin{bmatrix} 2 & -1 \\ -1 & 2 \end{bmatrix}\begi
2021-09-03 09:20:53
276
原创 TPS插值方法
Thin Plate Spline插值函数求解已知有N个点{x1,x2,...,xn}\{x_1,x_2,...,x_n\}{x1,x2,...,xn}，可以通过变换函数y=f(x)y=f(x)y=f(x)变换到{y1,y2,...,yn}\{y_1,y_2,...,y_n\}{y1,y2,...,yn}，此时，如果已知N个点XXX和YYY，如何求解函数y=f(x)y=f(x)y=f(x)TPS插值函数给定的插值函数形式如下：Φ(X)=c+aTX+wTs(X)s(X)=(σ(X−X1)
2020-12-23 13:42:11
1311
原创 论文理解 Linkage Based Face Clustering via Graph Convolution Network
论文理解 Linkage Based Face Clustering via Graph Convolution Network背景要解决的问题基于GCN的人脸图像聚类图卷积层节点合并KNN搜索MxNet复现GCN Layer背景其实是利用GCN进行人脸图像聚类论文：Linkage Based Face Clustering via Graph Convolution Network作者提...
2019-08-16 15:49:58
4332
3
原创 Wasserstein Disstance
Wasserstein Disstance先简单记录下对这个距离的理解，后续补全 首先，WGAN的论文里提出了Wasserstein距离 W(Pr,Pg)=infγ∈Π(Pr,Pg)E(x,y)∼γ[||x−y||]W(Pr,Pg)=infγ∈Π(Pr,Pg)E(x,y)∼γ[||x−y||]W(\mathbb{P}_r, \mathbb{P}_g)=\inf_{\gamma \in \P...
2018-09-17 17:16:00
336
原创 贝叶斯决策理论之入门篇
贝叶斯定理首先是条件概率公式如下： P(A|B)=P(B|A)P(A)P(B)P(A|B)=P(B|A)P(A)P(B)P(A|B)=\frac {P(B|A)P(A)}{P(B)} 为了方便理解，可以参考下图 已知两个独立事件AAA和BBB，那么事件BBB发生的前提下，事件AAA发生的概率可以表示为P(A|B)P(A|B)P(A|B)，即上图中橙色部分占红色部分的...
2018-09-11 11:06:16
8990
4
原创 论文理解 Feature Super-Resolution Make Machine See More Clearly
这篇论文是因为公司最近在搞超分辨相关的项目的时候，需要参考的一篇论文，觉得思路和自己之前的某些思路比较像，所以就整理下对这篇论文的理解，同时也是第一次试试自己写这种理论性（可能吧）的文章要解决的问题图像超分辨一般是为了解决图像放大时细节缺失的问题，例如采用最近领方法放大图像时会产生马赛克效果，双线性插值放大后的图像看着像是被高斯模糊了，超分辨则是为了还原图像的细节信息，如下图所示： ...
2018-09-05 13:59:44
1455
10
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人