Zero-shot learning（零样本学习）
一、介绍 在传统的分类模型中，为了解决多分类问题（例如三个类别：猫、狗和猪），就需要提供大量的猫、狗和猪的图片用以模型训练，然后给定一张新的图片，就能判定属于猫、狗或猪的其中哪一类。但是对于之前训练 ...
原文：MZSR：用于 Zero-Shot 超分辨率的元转换学习
这是今年CPVR 一篇关于超分辨率的论文。这篇文章的创新点在于它将零次学习 Zero Shot Learning 和元转换学习 Meta Transfer Learning 进行结合，提出了新的超分算法 MZSR 。 ZSSR最早被提出，将图像内部学习用于图像超分辨率。它能够很好地学习图像内部的先验信息，从而利用这些内部信息恢复图像高频信息。由于 ZSSR 从一张图像中学习，因此需要几千次的梯度 ...
2020-06-06 12:14 0 573 推荐指数：
相关推荐
Meta-Transfer Learning for Zero-Shot Super-Resolution【MZSR】【阅读笔记】
本文是针对Zero-Shot（ZSSR）的缺点做出的一些改进。虽然ZSSR提出了利用内部信息，采用无监督的方式进行SR，但缺点在于其测试时间过长。本文提出的MZSR将元学习和ZSSR结合，同时利用内部和外部信息，可以在几个gradient update中就输出比较好的结果。 元学习一般 ...
基于学习的超分辨率算法
基于学习的超分辨率技术最早是由卡耐基一梅隆实验室的 Baker S在2000年提出的。他们提出一种基于识别先验 知识的方法,通过算法去学习训练指定类别,将得到的先验 知识用于超分辨率。随后,多伦多大学的 Hertzmann a等提 出了基于多尺度自动回归的图像类比算法。麻省理工学院 ...
深度学习超分辨率：ESPCN模型
之前介绍了第一篇超分辨率模型在深度学习中的实现——SRCNN模型，具体的介绍请参看我这一篇博客：https://www.cnblogs.com/Robin-tao/p/12942977.html SRCNN的缺点是：(1) 是依赖于图像区域的context；(2)是训练收敛速度太慢 ...
使用深度学习的单一图像超分辨率
本示例演示如何训练甚深超分辨率（vdsr）神经网络，然后使用vdsr网络从单个低分辨率图像估计高分辨率图像。 该示例演示了如何训练vdsr网络，并提供了预先培训的vdsr网络。如果您选择培训vdsr网络，强烈建议使用具有cvida功能的nvidia™仇均，该网络具有3.0或更高的计算能力。使用 ...
多帧超分辨率技术——个人学习笔记
多帧SR算法是一种通过LR之间存在很小变化的LR 图，并通过特定算法最终获得一幅HR图。 ...
视频超分辨率
视频增强和超分是计算机视觉领域的核心算法之一，目的是恢复降质视频本身的内容，提高视频的清晰度。该技术在工业界有着重要的实用意义，并对于早期胶片视频的质量和清晰度的提升有着重大的意义。 图像、视频超分辨研究现状 根据数据类型分类，目前的超分辨工作分为图像超分和视频超分。 图像超分 图像超分领 ...
【超分辨率】—基于深度学习的图像超分辨率最新进展与趋势
1、简介 图像超分辨率是计算机视觉和图像处理领域一个非常重要的研究问题，在医疗图像分析、生物特征识别、视频监控与安全等实际场景中有着广泛的应用。随着深度学习技术的发展，基于深度学习的图像超分方法在多个测试任务上，取得了目前最优的性能和效果。本文介绍的一篇综述（Deep Learning ...