AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing

目录

图像超分辨率 Super Resolution     ​​​

深度学习时代的超分辨率算法

卷积网络模型SRCNN FSRCNN SRResNet

Super-Resolution CNN, SRCNN, 2014

Fast SRCNN 2016

SRResNet 2016

对抗生成网络介绍Ganerative Adversarial Network 

基于GAN的模型SRGAN与ESRGAN

SRGAN2017

Enhanced SRGAN 2018

视频超分辨率Video Super Resolution


  • 图像超分辨率 Super Resolution     ​​​

    • 图像超分辨率:根据从低分辨率图像重构高分辨率图像
    • 图像超分辨率的目标:     
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第1张图片

    •  超分辨率的类型:
    • 单图超分的解决思路

      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第2张图片
    • 经典方法:稀疏编码Sparse Coding
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第3张图片
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第4张图片
      • 稀疏编码的缺点:
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第5张图片
    • 深度学习时代的超分辨率算法

      • 基于卷积网络和普通损失函数        
        • 使用卷积神经网络,端到端从低分辨率图像恢复高分辨率图像
        • 代表算法:SRCNN与FSRCNN
      • 使用生成对抗网络
        • 采用生成对抗网络的策略,鼓励产生细节更为真实的高分辨率图像
        • 代表算法:SRGAN与ESRGAN
    • 卷积网络模型SRCNN FSRCNN SRResNet

    • Super-Resolution CNN, SRCNN, 2014

      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第6张图片
      • SRCNN模型功能划分
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第7张图片
        • 第一层:特征提取
          • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第8张图片
        • 第一层的卷积核
          • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第9张图片
        • 第二层:非线性映射
          • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第10张图片
        • 第三层:图像重构
          • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第11张图片
        • SRCNN的训练
          • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第12张图片
        • SRCNN的性能
          • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第13张图片
        • SRCNN的速度问题
          • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第14张图片
    • Fast SRCNN 2016

      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第15张图片
      • 转置卷积扩大特征图尺寸
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第16张图片
      • 缩小层和放大层
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第17张图片
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第18张图片
      • FSRCNN的优势
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第19张图片
      • 转置卷积的缺陷
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第20张图片
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第21张图片
      • 次像素卷积Subpixel convolution
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第22张图片
    • SRResNet 2016

      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第23张图片
    • 图像超分辨率中的损失函数 MSE Loss, Perceptual Loss
      • 感知损失 vs 均方误差
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第24张图片
      • Mean Squared Error 均方误差
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第25张图片
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第26张图片
      • 感知损失
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第27张图片
      • 特征重构损失函数
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第28张图片
    • 对抗生成网络介绍Ganerative Adversarial Network 

      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第29张图片
      • 使用GAN生成图像
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第30张图片
      • 使用GAN转译图像
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第31张图片
      • GAN应用于超分辨率
      • 图像数据在高维空间中的分布
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第32张图片
      • 用神经网络表示数据分布
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第33张图片
      • 如何学习生成器网络
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第34张图片
      • 对抗训练
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第35张图片
      • GAN的优化目标
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第36张图片
      • 基于多层感知器的GAN模型
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第37张图片
      • Deep Convolutional GAN,DCGAN
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第38张图片
      • GAN 应用于图像超分辨率        
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第39张图片
  • 基于GAN的模型SRGAN与ESRGAN

    • SRGAN2017

      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第40张图片
      • SRGAN的训练
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第41张图片
    • Enhanced SRGAN 2018

      • 使用RRDB模块替换残差模块
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第42张图片
      • 使用RaGAN替换GAN
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第43张图片
      • 使用非线性激活前的响应计算感知损失
        •  AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第44张图片
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第45张图片
        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第46张图片

      • ESRGAN的性能比较

        • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第47张图片

      • ESRGAN修复经典游戏

  • 视频超分辨率Video Super Resolution

    • 利用多帧进行超分
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第48张图片
    • 视频复原的典型流程
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第49张图片
    • EDVR 

      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第50张图片
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第51张图片
    • 可变形卷积Deformable Convolution
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第52张图片
    • 用于对齐的可变形卷积
      • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第53张图片
    • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第54张图片
    • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第55张图片
    • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第56张图片

  • BasicVSR
    • AI实战营:通用视觉框架OpenMMLab底层视觉与MMEditing_第57张图片

你可能感兴趣的:(深度学习,人工智能)