码迷,mamicode.com
首页 > 其他好文 > 详细

一些思考

时间:2019-08-20 10:56:17      阅读:77      评论:0      收藏:0      [点我收藏+]

标签:条件   任务   sed   通道   基础   转化   技术   公式   分布   

根据贝叶斯公式和MAP,可将图像退化问题表示出来,再利用变量分割技术(HQS),将该问题转化为两个子问题,其中一个子问题为图像降噪问题,该问题一般可以用传统的model-based方法解决,但是存在诸多问题,所以利用CNN为基础的判别式学习方法对图像通道相关的先验进行建模,利用其并行性等优点,执行图像降噪任务。

对于变量分割技术除了HQS,还存在着ADMM技术,可否引入这种方法进行变量的分离?

对于降噪子任务,为了实现对图像先验的有效建模和对噪声水平的有效估计,可否使用生成对抗网络而不是CNN-based的判别式学习方法进行建模呢?

对于提升模型的采样的准确性,可否引入CGANs机制,对带求分布进行条件约束?

对于提高模型的对图像局部的恢复效果,引入PatchGANs进行感知域的选择?

对于生成器的upsampling操作,deconv时间成本高同时且容易产生伪影,尝试

对于生成器,不使用pooling,尝试引入扩张卷积,增大感知域的同时,不损失图像的信息;

 

一些思考

标签:条件   任务   sed   通道   基础   转化   技术   公式   分布   

原文地址:https://www.cnblogs.com/ChenKe-cheng/p/11381198.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!