基于深度学习的图像处理算法论文学习
近年来,深度学习技术得到了巨大的发展,并广泛应用于图像处理领域。相对于许多传统算法,深度学习技术从海量的训练数据中学习到的先验知识具有更强的泛化能力和更复杂的参数化表达,且无需调节算法参数以适应不同的应用场景。得益于上述优势,深度学习技术己经广泛应用于图像处理领域,如何利用深度学习算法提升图像处理的效果也变成了一个重要的研究方向。
尽管深度学习技术显著促进了图像处理领域的发展,但是受限于其对训练数据的敏感性,在面对无标签、仅有弱标签或者合成伪标签的数据时,深度学习技术的优势难以充分体现。本学位论文针对以上挑战,重点研究了缺失完整数据标签的经典图像处理问题,包括图像平滑、反光去除和本征图像分解等:本文通过将上述问题抽象为对图像结构敏感的图像分解问题,将显著的目标边缘信息通过优化或者滤波的方式编码进深度学习的算法设计中。根据图像处理问题中数据标签的类型和数量不同,本文依次提出了基于无监督学习、弱监督学习和多标签联合训练的深度学习解决方案。本文的最后提出了解耦学习框架,通过对10种不同图像处理问题的联合训练,提炼出了图像处理问题的核心解空间。该算法对于理解深度学习技术在图像处理领域的应用有重要的研究价值和意义。
1.一种基于无监督学习的空间自适应图像平滑算法
该算法通过使用卷积神经网络,以无监督的方式从无标签数据中学习图像平
滑的优化过程,并实现可灵活调节的图像平滑效果。该算法提出了一个由边缘保持项和空间自适应平滑项构成的能量函数,前者用于保持重要但易破坏的图像结构,后者用于将多种形式的正则器Lp范数)施加至图像的不同区域。由于缺乏平滑图像的真值数据,本文采用一个无监督学习的能量优化框架,用来实现多种基于图像平滑的视觉应用,譬如图像抽象化、铅笔素描、细节增强、纹理去除和基于内容的图像处理等。实验结果表明,该基于无监督学习的空间自适应图像平滑算法获得了更好的视觉结果
2.—种基于弱监督学习的图像反光去除算法
该算法提出了一个多阶段卷积神经网络,用以解决图像分解领域中经典的反光去除问题。本算法框架由两个结构相似的卷积神经网络串联而成,前者预测目标图像的边缘结构,后者依据预测边缘信息的引导重建目标图像;整个过程既不需要任何人工设计,也不依赖于其他图像处理应用。通过从真实反光图像观察得到的图像亮度和结构先验,该算法设计了一种针对模糊强反光的反光图像合成算法;通过将合成数据以弱监督信号的形式融入到多阶段神经网络训练中,该算法获得了在真实反光图像上的良好泛化性能。实验结果表明,该基于弱监督学习的图像反光去除算法在不同程度的反光场景中均获得更优的视觉效果
3.一种基于多标签联合训练的本征图像分解算法
本征图像分解往往存在数据集冗杂、数据标签不一致等问题。为解决该问题,本文提出了一个通用的核心神经网络,用以在不同类型的数据标签中共享本征图像形成过程的稀疏先验。该神经网络由三个不同的基础模块组成:直接本征图像估计网络、导向网络和域滤波器;其中,直接本征图像估计网络通过对本征图像的直接监督获得初始的预测结果,导向网络负责生成稀疏的反射结构先验,并引导域滤波器获得干净的反射估计。该算法设计了一个灵活的能量损失层以实现多标签数据联合训练的目的。实验结果表明,该本征图像分解算法在所有的主流基准数据集上都获得了更高的精确度。
4.一种基于解耦学习的实时参数化图像处理框架
传统的深度学习算法在面对不同的图像处理应用时,需要重复地训练神经网络。为了解决这个问题,该算法提出了由基础网络和权重学习网络组成的解耦学习框架,其中前者用来实现具体的图像处理应用,后者用来学习基础网络的权重。该算法通过对基础网络的结构和权重进行解耦,达到根据图像处理应用的变化实时动态调整基础网络权重的效果,并因此实现了利用单一神经网络融合多种图像处理应用的目的。实验结果表明,该解耦学习框架成功应用在10种不同的参数化图像算子中,并减少了网络参数的存储空间。
基于深度学习的图像处理算法论文学习相关推荐
- 深度学习(三十一)基于深度矩阵分解的属性表征学习
基于深度矩阵分解的属性表征学习 原文地址:http://blog.csdn.net/hjimce/article/details/50876956 作者:hjimce 一.相关概念 本篇博文主要讲解文 ...
- 基于深度残差网络图像分类算法研究综述
文章从残差网络的设计出发,分析了不同残差单元的构造方式,介绍了深度残差网络不同的变体.从不同角度比较了不同网络之间的差异以及这些网络架构常用图像分类数据集上的性能表现.最后对各种网络进行l总结,并讨论 ...
- java数字图像处理开题报告,基于MATLAB的数字图像处理算法研究与仿真开题报告...
基于MATLAB的数字图像处理算法研究与仿真开题报告 毕 业 设 计 (2013 届) 题 目基于 MATLAB 的数字图像 处理算法研究与仿真 学 院 物理电气信息学院 专 业 通信工程 年 级 0 ...
- 靠着这套计算机视觉学习路线,大厂视觉算法工程师offer拿到手软 深度学习/计算机视觉/学习路线/图像处理/算法工程师
一.引言 计算机视觉的黄金时代真的到来了吗? 近年来,随着深度学习技术的革新.计算存储的扩大.可视化数据集的激增,计算机视觉领域的研究开始蓬勃发展,如火如荼.在自动驾驶.智能安防.智慧城市.医疗保健. ...
- (论文分析)基于深度强化学习方法的有效边缘学习激励机制设计
论文题目:An Incentive Mechanism Design for Efficient Edge Learning by Deep Reinforcement Learning Approa ...
- Spiking GATs(基于尖峰神经网络的学习图注意)论文学习笔记
这一篇论文是我读研期间,本校(安徽大学)计算机学院的江波老师在2022年5月份发表的一篇论文,由于我自己学习的是图神经网络的方向,而且也是我本校的老师所发的paper,所以在此写下我对此篇论文的笔记, ...
- 深度学习网络量化白皮书论文学习
量化 A White Paper on Neural Network Quantization 为什么要量化 为了追求性能,神经网络模型的体量不断增大,这给在边缘设备上部署模型造成了困难.因此需要一些 ...
- Gorrila算法论文学习
Gorrila 一.Goriila的特点 在保证高可靠的读写性能的同时,通过对时间戳和value的存储空间量压缩,使数据得以写入内存中,大幅度提高查询的效率. 二.为什么要设计Goriila 根据fa ...
- 基于脑电信号的情绪识别-论文学习
论文题目:<A review of EEG features for emotion recognition > 论文题目:<EEG-Based Emotion Recognitio ...
最新文章
- 修复错误配置fstab文件导致系统无法正常启动
- mysqldump全量恢复_mysql 备份与恢复(全量与增量)
- zz[as3 hack技术]垃圾回收机强制执行
- shiro实现url级别的权限控制(用户登录)配置文件分析
- C语言spirograph算法图形绘制(附完整源码)
- 工厂模式理解_工厂模式
- 微服务网关Gateway
- linux xorg.0.log,Red Hat无法登录,Cannot open log file /var/log/Xorg.0.log
- 复习--linux目录及文件操作
- (计算机组成原理)第七章输入和输出系统-第二节1:外部设备之输入和输出设备(键盘鼠标、显示器和打印机)
- 有哪些网站是django开发的_网站模板建设和定制开发哪个好,有哪些区别?
- Editor GUI 的 Gamma Correction
- Adobe Acrobat 虚拟打印机安装方法(无法找到Adobe PDF资源文件)
- 企业微信和个人微信的区别是什么?
- Java基础 - 替罪羊树(Scapegoat Tree)
- 特征工程——用转换器抽取特征
- 记录ExtJs时间控件日期加一天
- unity之二维数组实现正六边形地图
- 小米手机第一次使用SSR提示“创建一个XXX链接”,无法点击确定
- 如何提取iOS App素材