AFM论文阅读笔记

  • 论文全称:Modulating Image Restoration with Continual Levels via Adaptive Feature Modification Layers ,来自CVPR2019
  • AFM论文阅读笔记_第1张图片
    论文前面用denoise做了形象的解释,在高斯噪声系数15的训练集上训练好了一个denoise的模型,然后用训练好的模型继续在噪声系数50的训练集上训练,然后查看训练前后filter的差别,发现差别很微小,猜想可以学习一个转化filter,使这个filter g 卷积 f15 能够得到 f50 ,那么就习得一种modulation的模型,能够调整denoise的程度,根据卷积的交换律,可以变成这样
    即把g直接作用在feature map上,作为一层插入的层
  •  
  • AFM论文阅读笔记_第2张图片
  • 提出了一个AdaFM层,放在每个conv层的后面
  • 网络是这样train的,先用一个普通的CNN网络在La层次的训练集上训练,然后fix参数,加入AdaFM层,在Lb层次的训练集上训练gi 和 bi,acc可以用在Lb层次上训练的普通CNN和在Lb层次上训练的AFM的output的差别来衡量,在test的时候,AdaFM的参数是,其中I是identity filter,即经过该filter不改变前后的feature map,而gi, bi是前面训练好的参数,λ 是可以调节程度的超参数,在0-1之间改变 λ ,就可以实现La到Lb的输出范围
  • 影响结果的因素有三个,filter size,大一点好,但是并不会一直大下去一直好;方向,从easy到difficult取ada比较好;range,即La和Lb的差别,越小越好
  • 具体lambda对应于怎样的程度,需要用测试集来找对应关系

你可能感兴趣的:(论文阅读笔记,CV,SR,AFM)