| |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
-> 人工智能 -> 模糊(二)DeblurGAN -> 正文阅读 |
|
[人工智能]模糊(二)DeblurGAN |
论文主要贡献:1)提出基于cGAN的网络DeblurGAN 和content loss 损失函数??Adversarial loss WGAN-GP:实现了在多种GAN结构上稳定训练,且几乎不需要调整超参数。 ?Content loss 内容损失,也就是评估生成的清晰图像和ground truth之间的差距。 两个常用的选择是L1(也称为MAE,mean absolute error)损失,和L2(也称为MSE)损失。 最近提出了“perceptual loss”,它本质上就是一个L2 loss,它计算的是CNN生成的feature map和ground truth的feature map之间的距离。 运动模糊图像生成? step1. 采用了Boracchi和Foi[1]提出的运动轨迹随机生成方法(用马尔科夫随机过程生成); step2. 对轨迹进行“sub-pixel interpolation”生成blur kernel。这种方法也只能在二维平面空间中生成轨迹,并不能模拟真实空间中6D相机的运动。 ?训练: perform 5?gradient descent steps on D, then one step on G, using Adam?as a solver. The learning rate is set initially to 10^-4?for both generator and critic. After the first 150 epochs we linearly decay the rate to zero over the next 150 epochs. ?batch size = 1 DeblurGAN?损失函数: 保留DeblurGAN中PatchGAN鉴别器,还引入了全局鉴别器,称此为双尺度鉴别器(double-scale discriminator)。这样的改进可以使得DeblurGAN-v2更好的处理较大的和异质的真实世界模糊。 ?? Ladv: contains both global and local discriminator losses. content loss Lx: pixel-space loss Lp: ?mean-square-error (MSE) loss.?correct color and texture distortions. 运动模糊图像生成 将原始240fps视频通过视频插帧方法变为3840fps视频,然后再同一时间窗下采用均值池化方式制作模糊数据。它会导致更平滑和更连续的模糊。该方法对PSNR/SSIM无明显影响,但提高了视觉质量 |
|
|
上一篇文章 下一篇文章 查看所有文章 |
|
开发:
C++知识库
Java知识库
JavaScript
Python
PHP知识库
人工智能
区块链
大数据
移动开发
嵌入式
开发工具
数据结构与算法
开发测试
游戏开发
网络协议
系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程 数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁 |
360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 | -2024/11/27 17:49:42- |
|
网站联系: qq:121756557 email:121756557@qq.com IT数码 |