基于鏡像構(gòu)建關(guān)于θ的函數(shù),過擬合和L2正則化

在線性分類問題中，我們一般認為對抗性擾動就是高維空間中的點積。對此，一種非常普遍的說法是：我們可以在高維問題中對輸入進行大量無限小的改變，從而使輸出發(fā)生...

2018-07-09 標簽：神經(jīng)網(wǎng)絡(luò)圖像分類器 5328 0

神經(jīng)網(wǎng)絡(luò)驚人的脆弱性和靈活性

近日，谷歌大腦的 Gamaleldin F. Elsayed、Ian Goodfellow 和 Jascha Sohl-Dickstein 等人的新研究...

2018-07-04 標簽：谷歌神經(jīng)網(wǎng)絡(luò)圖像 4275 0

一種稱為標簽映射（LM）的方法來解決大規(guī)模分類問題？

CIFAR-100 數(shù)據(jù)集由60000張100個類別的32x32彩色圖像構(gòu)成，每個類別有500張訓(xùn)練圖像和100張測試圖像。我們使用一個簡單的 CNN ...

2018-07-03 標簽：圖像數(shù)據(jù)集深度學(xué)習(xí) 7469 0

在OPencv中采用的是Bouguet的極線校正的算法

校正后，極點在無窮遠處，兩個相機的光軸平行。像點在左右圖像上的高度一致。這也就是極線校正的目標。校正后做后續(xù)的立體匹配時，只需在同一行上搜索左右像平面的...

2018-06-29 標簽：圖像矩陣OPencv 1.1萬 0

基于GANs訓(xùn)練去噪深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)了良好的圖像盲去噪效果

基于以上分析，研究人員提出了一個觀點：是否可以利用包含噪聲的圖像構(gòu)建出配對的訓(xùn)練數(shù)據(jù)集，那么圖像盲去噪的問題就可以通過CNNs一樣的判別模型來解決了。一...

2018-06-27 標簽：神經(jīng)網(wǎng)絡(luò)圖像去噪 2.9萬 0

采用的網(wǎng)絡(luò)架構(gòu)，實現(xiàn)了基于圖像強度的變分深度自編碼器

但點云具有稀疏性和無序性的特征，使得一般的卷積神經(jīng)網(wǎng)絡(luò)處理3D點數(shù)據(jù)十分困難，所以目前主要利用手工特征來對點云進行處理。其中一種方法就是對點云進行預(yù)處理...

2018-06-22 標簽：神經(jīng)網(wǎng)絡(luò)圖像激光雷達 6505 0

一種基于區(qū)域生長法與水平集相融合的肺部CT圖像的分割

本文應(yīng)用比較受歡迎的OSTU算法選取閾值。基本原理是：利用閾值把直方圖分為兩部分，當(dāng)被分成的兩部分方差最大時，獲得最優(yōu)閾值[8]。自適應(yīng)閾值法最終把DI...

2018-06-08 標簽：神經(jīng)網(wǎng)絡(luò)圖像閾值 8316 0

一種金字塔注意力網(wǎng)絡(luò)，用于處理圖像語義分割問題

基于以上觀察，我們提出了特征金字塔注意力模塊 (FPA)，該模塊能夠融合來自 U 型網(wǎng)絡(luò) (如特征金字塔網(wǎng)絡(luò) FPN) 所提取的三種不同尺度的金字塔特征...

2018-06-05 標簽：解碼器神經(jīng)網(wǎng)絡(luò)圖像 1.2萬 0

YOLO的核心思想及YOLO的實現(xiàn)細節(jié)

在訓(xùn)練的過程中，當(dāng)網(wǎng)絡(luò)遇到一個來自檢測數(shù)據(jù)集的圖片與標記信息，那么就把這些數(shù)據(jù)用完整的 YOLO v2 loss 功能反向傳播這個圖片。當(dāng)網(wǎng)絡(luò)遇到一個來...

2018-06-05 標簽：圖像函數(shù)網(wǎng)格 2.4萬 0

基于單目圖像的深度估計算法，大幅度提升基于單目圖像深度估計的精度

雙目匹配需要把左圖像素和右圖中其對應(yīng)像素進行匹配，再由匹配的像素差算出左圖像素對應(yīng)的深度，而之前的單目深度估計方法均不能顯式引入類似的幾何約束。由于深度...

2018-06-04 標簽：圖像深度學(xué)習(xí)商湯科技 3.5萬 0

簡要回顧視頻理解方面的近年進展，并對未來可能的研究方向作一展望

Ng等人先提取每一幀的深度卷積特征，再設(shè)計特征融合方法得到最終輸出。其中，紫色代表沿時間方向進行最大匯合(max-pooling)，黃色代表全連接層，綠...

2018-05-29 標簽：視頻圖像深度學(xué)習(xí) 8545 0

如何使用語義分割概率圖作為語義先驗來約束超分辨率的解空間

本文提出的空間特征調(diào)制層受到條件BN層的啟發(fā)，但是條件BN層以及其他的特征調(diào)制層（比如FiLM），往往忽略了網(wǎng)絡(luò)提取特征的空間信息，即對于同一個特征圖的...

2018-05-28 標簽：圖像分辨率 1.0萬 0

一種新穎的基于強化學(xué)習(xí)的圖像復(fù)原算法—RL-Restore

至此，RL-Restore算法已經(jīng)擁有了較好的工具選取策略，還需要解決對“中間結(jié)果”進行復(fù)原的挑戰(zhàn)。前文已經(jīng)提到，由于前面的復(fù)原步驟可能引入新的未知失真...

2018-05-26 標簽：神經(jīng)網(wǎng)絡(luò)圖像CNN 1.3萬 0

將自注意力機制引入GAN，革新圖像合成方式

我們在ImageNet數(shù)據(jù)集上進行了大量的實驗，以驗證所提出的self-attention機制和穩(wěn)定技術(shù)的有效性。SAGAN在圖像合成方面的表現(xiàn)遠遠超過...

2018-05-25 標簽：圖像GAN 1.8萬 0

圖像噪聲的成因分類與常見圖像去噪算法簡介

偏微分方程是近年來興起的一種圖像處理方法，主要針對低層圖像處理并取得了很好的效果。偏微分方程具有各向異性的特點，應(yīng)用在圖像去噪中，可以在去除噪聲的同時，...

2018-05-18 標簽：圖像去噪算法 3.3萬 0