Perceptual Loss

出自2016年李飞飞团队的Perceptual Losses for Real-Time Style Transfer and Super-Resolution
目标是加速图片转换的速度，因为当时的图片转换都是通过不断地迭代来让生成的图片不断往目标图片靠近，但这太慢了，所以这篇文章就提出了一个end to end的方法。

System overview

分为两个部分，一个是image transform net, 就是简单的把原始图片转换为目标图片的网络，没有额外的输出。
第二个是loss network，这里使用了pretrained的vgg16，并使用了四个loss对vgg16的中间特征进行约束。
需要注意的是vgg16是不训练的，只是提供了向前的传播和向后的梯度。
1.style loss
作者认为所谓style应该是有位置不变性的，因此他对每层每个数据点的特征做了点乘，然后对每层的点乘结果求和，得到位置不敏感的特征，然后将得到的生成图片的特征和gt的特征计算l2损失
2.content loss
也是抽取每层特征，不过这次不点乘也不求和，就直接计算两个图特征之间的l2 loss
3.pixel loss
直接计算两个图片的像素差值
3.total variation loss
也即计算相邻像素之间的差值，用于提高图片平滑度

Perceptual Loss相关推荐

深度学习在单图像超分辨率上的应用：SRCNN、Perceptual loss、SRResNet
单图像超分辨率技术涉及到增加小图像的大小,同时尽可能地防止其质量下降.这一技术有着广泛用途,包括卫星和航天图像分析.医疗图像处理.压缩图像/视频增强及其他应用.我们将在本文借助三个深度学习模型解决这个 ...
Pytorch Feature loss与Perceptual Loss的实现
本文主要改动自:https://github.com/sowmyay/medium/blob/master/CV-LossFunctions.ipynb 首先回顾下特征损失(Feature loss) ...
【损失函数：3】感知损失：Perceptual Loss、总变分损失（TV Loss）（附Pytorch实现）
损失函数一.感知损失(Perceptual Loss) 1.相关介绍 1)Perceptual Loss是什么? 2)Perceptual Loss如何构造? 3)代码实现 2.代码示例二.总变分 ...
Perceptual Loss（感知损失）Perceptual Losses for Real-Time Style Transferand Super-Resolution论文解读
由于传统的L1,L2 loss是针对于像素级的损失计算,且L2 loss与人眼感知的图像质量并不匹配,单一使用L1或L2 loss对于超分等任务来说恢复出来的图像往往细节表现都不好. 现在的研究中,L ...
损失函数——感知损失（Perceptual Loss）
感知损失(Perceptual Loss)是一种基于深度学习的图像风格迁移方法中常用的损失函数.与传统的均方误差损失函数(Mean Square Error,MSE)相比,感知损失更注重图像的感知质量 ...
感知损失（perceptual loss）详解
本文来自收费专栏:感知损失(perceptual loss)详解_南淮北安的博客-CSDN博客_感知损失目录一.感知损失二.Loss_feature 三.Loss_style 感知损失的作用: ...
Perceptual Loss（感知损失）论文笔记
"Perceptual Losses for Real-Time Style Transfer and Super-Resolution"论文出自斯坦福大学李飞飞团队,发表于ECC ...
(二) PyTorch实现perceptual loss
另一个版本 ,但是本质时一样的: import torch import torch.nn as nn import torch.nn.functional as F from torch.autog ...
perceptual loss(感知loss)介绍
1.介绍在讲感知损失函数之前,我们先讲一下,网络所提取到的特征代表什么,在下图中,layer1,layer2学到的是边缘,颜色,亮度等底层的特征:layer3开始变得复杂,学到的是纹理的特征,Lay ...

Perceptual Loss

Perceptual Loss相关推荐

最新文章

热门文章