摘要 人臉聚類最近吸引了越來越多的研究興趣，以利用網(wǎng)絡(luò)上的大量人臉圖像。圖卷積網(wǎng)絡(luò)（GCN）由于其強(qiáng)大的表示能力而實(shí)現(xiàn)了最先進(jìn)的性能。然而，現(xiàn)有的基于 GCN 的方法主要根據(jù)...
發(fā)簡信
IP屬地：浙江
-
2021-01-21
-
圖像質(zhì)量評價(jià)標(biāo)準(zhǔn)簡介1. 人類視覺系統(tǒng)（HVS） a) 從空間頻域來看，人眼是一個(gè)低通線性系統(tǒng) b) 人眼對亮度的響應(yīng)具有對數(shù)非線性性質(zhì) c) 人類對亮度信號(hào)的空間分辨率大于對色度信號(hào)的空間分辨...
-
第1.1題：Python圖片添加水印題目來自：Python 練習(xí)冊，每天一個(gè)小程序，今天做的是第一題，將你的 QQ 頭像（或者微博頭像）右上角加上紅色的數(shù)字，類似于微信未讀信息數(shù)量那種提示效果。 更多見：iii...
-
文章學(xué)習(xí)25“Non-local Neural Networks”
這篇文章發(fā)表在CVPR2018上，文章目的是做視頻分類和物體檢測，但實(shí)際上提出了一個(gè)非局部層，可以嵌入在任意神經(jīng)網(wǎng)絡(luò)中提升效果。這個(gè)思想來源于圖像去噪領(lǐng)域的傳統(tǒng)方法NL-Me...
-
文章學(xué)習(xí)27“Deep Boosting for Image Denoising”
18年ECCV的文章，中科大做圖像處理的組，這篇文章指出目前存在的圖像去噪的方法主要有兩種：(a)基于圖像內(nèi)部自相關(guān)性的方法，如BM3D；(b)基于外部樣本學(xué)習(xí)的方法，如Dn...
-
文章學(xué)習(xí)24“Image Blind Denoising With Generative Adversarial Network Based Noise Modeling”這篇文章是CVPR2018里做圖像去噪的文章之一，主要針對的是圖像里的盲去噪，也就是指在不知道噪聲水平下的去噪。作者是中山大學(xué)和CVTE合作，文章的主要思路和我現(xiàn)在做的很類似...
-
論文學(xué)習(xí)7“Visualizing and Understanding Convolutional Networks”文章學(xué)習(xí)本文是ECCV2014年很有重量的一篇文章，作者是Hinton的得意弟子Matthew D. Zeiler，文章譯為“看懂卷及神經(jīng)網(wǎng)絡(luò)”其主要內(nèi)容就是通過反卷積的方法對CNN...
-
論文學(xué)習(xí)15“Sharpness-Aware Low-Dose CT Denoising Using Conditional Generative Adversarial Network”論文鏈接：SAGAN 代碼鏈接：SAGAN 這篇文章是我在GitHub發(fā)現(xiàn)的低劑量CT向高劑量CT轉(zhuǎn)化的項(xiàng)目的文章，是在2018年美國醫(yī)學(xué)影像信息大會(huì)（SIIM）上發(fā)表的文章...
-
論文學(xué)習(xí)5“Show, Attend and Tell: Neural Image Caption Generation with Visual Attention”文章學(xué)習(xí)
這篇文章是2015年ICML上的一篇文章，把a(bǔ)ttention機(jī)制引入到圖像領(lǐng)域的文章，作者Kelvin Xu 、Yoshua Bengio等人，來自多倫多大學(xué)和蒙特利爾大學(xué)...
