- 博客(54)
- 收藏
- 关注
RSS订阅原创 CVPR2018——图像反射去除基于感知损失
**摘要： **一、简介 来自玻璃的反射无处不在，但图像中并不希望出现这种情况，其会降低图像质量。去除反射有助于复原视觉内容，是计算机视觉的重要研究领域。 令I∈Rm×n×3\bm I \in \bm R^{m \times n \times 3}I∈Rm×n×3是存在反射的输入图像，其可以通过传播图像T\bm TT与反射图像R\bm RR的和近似建模：I=T+R\bm I = \bm T + \bm RI=T+R。反射去除的目标是给定的I\bm II复原传播图像T\bm TT，这是一个没有约束
2021-05-28 10:42:03
1600
5
原创 CVPR2018——多尺寸导向的并行反射去除网络
摘要：一、简介 反射是一种典型的图像退化，其可以导致许多计算机视觉系统的问题。反射去除旨在增强背景场景的可见性的同时去除反射。 大多数反射去除的方法是基于非学习的，而依赖于人工设计的基于特定假设的图像特征，如背景与反射不同的模糊成都导致的梯度偏置的先验、重影效应以及非局部信息的内容的先验等。然而，这些假设对于真实的场景经常不适用，因为底层图像的先验只描述了反射属性的部分，只能反映真值的部分。当背景与反射在结构与模式上相似时，基于非学习的方法难以同时去除反射与复原背景。 为了获取更广泛的反射属性
2021-05-26 10:35:13
441
原创 ICCV2017——图像反射去除与图像平滑基于一类深度架构
摘要：一、简介 受深度学习在大尺寸视觉图像复原任务上的巨大成功启发，大量的底层视觉任务，如图像去噪，图像阴影去除与图像平滑也应用了神经网络。考虑到图像边缘是一些问题的重要线索，网络可以代替计算复杂度高或不灵活的边缘滤波器。 例如，图像平滑的根本目标是提取稀疏且显著的结构，如边缘与轮廓，并在低振幅的图像区域最小化颜色差异。为了使用神经网络估计不同边缘敏感图像的有效且快速的平滑滤波器，一般首先学习显著的梯度权重图，随后通过权重的优化过程或迭代处理对图像滤波。上述方法聚焦于使用朴素的CNN解决单一问题，
2021-05-20 14:53:42
995
1
原创 计算机视觉——机器学习
绪论 计算机视觉旨在从图像中提取有用的信息。受可视数据复杂性的影响，这是一个极具挑战性的任务。广义理解的计算机视觉领域已经取得显著进步，随着人们日益增长的认识，计算机视觉的未来是令人激动的。一、概率论 几乎所有的计算机视觉模型可以在概率范围内解释，其形式上较为复杂，但可以阐明复杂模型之间的关系。1.1 概率论基础 随机变量xxx表示一个不确定的值，其可以是离散的或者连续的。离散变量的概率分布可以可视化为一个直方图，而连续变量的概率分布可以通过概率密度函数【Probability Densit
2021-05-19 09:11:30
868
1
原创 深度学习——PyTorch框架
绪论 对于算法科研人员来说，熟练掌握并应用一种深度学习框架是一项必备技能。学术研究人员关心的是研究中算法的迭代速度，其应用场景通常是相对较小的数据集上，最大的限制因素不是性能，而是快速实现并验证假设的能力，使得学术研究倾向于PyTorch。本文专注于PyTorch的实际实现，而不解释背后的理论。一、PyTorch基本介绍 Pytorch是一个用于在GPU和CPU上进行深度学习的优化张量库，相比于其他深度学习框架，PyTorch具有简化计算，易于扩展和快速的关键特点。1.1 计算图 绘制神经网
2021-05-18 16:08:02
7461
1
原创 算法导论——算法设计与分析
一、算法概述 在数学和计算机科学之中，算法是任何良定义的计算过程，该过程取某个值或值的集合作为输入并产生某个值或值的集合作为输出。1.1 算法分析 所谓的算法分析，是指通过分析而非实验的手段来考察算法的某些性质。 算法的正确性，要求算法对于每一个输入都最终停止，并且产生正确的输出。当不满足算法的正确性时，会产生不正确错算法，对于某个输入不停止，或产生不正确的结果；或产生近似算法，对所有输入都停止，但会产生近似正确的解或产生少数的不正确解。算法的正确性分析要求： -证明算法对所有的输入都停止
2021-03-31 16:01:45
525
原创 数据库系统——管理与技术
一、数据库物理模式技术 根据基本存储介质的特性可以定义不同的数据结构，使得快速的访问数据。各类数据结构适用于不同类型的数据访问，而最终选择依赖于系统的使用方法和机器的物理特性。 数据组织的基础是存储体系，其将不同性价比的存储器组织在一起，满足高速度、大容量、低价格的需求。详见计算机系统——存储器层次结构。1.1 数据物理存储 数据库的逻辑模式是关系，而物理模式是磁盘上的二进制序列，一个关系都对应磁盘中的某块，这种映射称为索引。 数据库的记录在磁盘上的存储根据长度分为定长记录，分配定长的存储
2021-03-20 14:37:41
678
原创 数据库系统——建模与设计
一、数据建模 数据库的设计不仅需要处理规则的理解，更重要的是数据需求的理解与表达。 表达计算机世界的模型称为数据模型，而表达信息世界的模型称为概念模型。抽象是具有层次的，将现实世界的问题抽象成概念模型，就是数据建模的过程，而将概念模型抽象成数据模型的过程，就是数据库设计的过程。1.1 实体-联系模型 实体-联系【Entity-Relationship，E-R】数据模型用于描述概念模型，其基本观点为：世界是由一组称作实体的基本对象和这些对象之间的联系组成。 实体是现实世界可区分于所有其他对象
2021-03-20 14:37:24
1047
原创 数据库系统——模型与语言
一、数据库系统概述 数据库管理系统【DataBase-Management System，DBMS】由一个互相关联的数据集合和一组用以访问这些数据的程序组成，这个数据集合通常称为数据库【DataBase，DB】。设计数据库系统的目的是为了管理大量信息。1.1 数据库系统 数据库是电子化信息的集合，形成电子信息库，以便利用计算机对这些信息进行快速有效的存储、检索、统计和管理，起源于规范化表的处理。 表是以按行或按列形式组织及展现的数据。一般的，每个表有其表名，包含一种特定类型的记录，每种记录类型
2021-03-20 14:37:05
610
2
原创 C——语言级内存操作
一、stdio 键盘输入与屏幕输出是编写简单的顺序结构程序时最常用到的操作，在C中通过调用输入与输出函数实现。根据系统级I/O，C的stdio将会在程序开始时将文件描述符fd0与fd1分别指向键盘与屏幕，从而实现键盘的输入与屏幕的输出。1.1 数据格式化输入与输出 C使用stdio.h调用C的标准I/O库。C的数据格式化输入与输出是指按指定格式和类型输出变量的值。典型的，使用int printf(const char *format, ...);进行标准化输出，参数分别为格式控制字符串与输出
2021-03-08 17:17:57
424
原创 离散数学——图论
一、图 图作为数学模型，是一种用于描述有穷系统的二元关系(V,R)(V, R)(V,R)，图的二元关系使得图的集合产生了结构。1.1 图 设有穷集合VVV，取集合P2(V)={(u,v)∣u,v∈V}\mathcal{P}_2(V) = \{(u, v)|u, v \in V\}P2(V)={(u,v)∣u,v∈V}，E⊆P2(V)E \subseteq \mathcal{P}_2(V)E⊆P2(V)，则称二元组(V,E)(V, E)(V,E)为无向图。 对于图G=(V,E)G = (V,
2021-03-04 14:39:26
1106
原创 离散数学——朴素集合论
一、集合的基本结构 集合是不同对象的一个无序的聚集，对象称为集合的元素。1.1 集合引论 描述集合的方法有多种方式。一种方式是在可能的情况下一一列出集合中的元素，称为枚举，如A={1,2,3,4}A = \{1, 2, 3, 4\}A={1,2,3,4}另一种方法是集合构造器，形如B={x∣P(x)}B = \{x|P(x)\}B={x∣P(x)}描述了满足PPP的元素。当集合不包含任何元素，称为空集，记作∅\varnothing∅。 设AAA、BBB为集合，若AAA中的每个元素都属于BBB，
2021-02-11 12:03:16
1223
原创 计算机系统——系统级I/O
一、Unix I/O 一个Linux文件就是一个字节序列，所有的I/O设备都被模型化为文件，所有的输入和输出都被当作对响应文件的读和写。这种将设备优雅的映射为文件的方式，允许Linux内核引出一个简单、低级的应用接口，称为Unix I/O。1.1 文件 每个Linux文件都有一个类型来表明其在系统中的角色： -普通文件，包含任何数据，应用程序常常区分文本文件，仅包含ASCII或Unicode字符；和二进制文件，是除了文本文件之外的所有文件。对于内核而言，两者没有区别； -目录，包含一组链接
2020-10-14 12:59:18
320
原创 计算机系统——虚拟内存
一、虚拟内存 现代系统提供了一种对主存的抽象概念，即虚拟内存【Virtual Memory，VM】，以便于更加有效的管理内存，减少出错。VM使得每个进程使用统一的线性地址空间，同时又保持内存独立。1.1 地址空间 计算机系统的主存被组织成一个连续字节大小单元的数组。每个字节都有唯一的物理地址【Physical Address，PA】。CPU访问内存的最自然的方式就是使用物理地址，称为物理寻址。 现代处理器使用的是虚拟寻址的寻址形式，CPU通过生成虚拟地址【Virtual Address，VA】
2020-10-13 14:01:18
660
原创 概率统计——概率论与数理统计
一、一维随机变量1.1 概率 随机事件AAA发生的可能性度量，称为AAA发生的概率，记为P(A)P(A)P(A)。 随机试验的每一个可能结果称为样本点，全部样本点的集合称为样本空间。在重复实验中，若满足样本点有限，且每个单位事件发生的可能性均相等，则称该实验的概率模型为古典概型；若样本点是连续可度量的有界区域，且每个单位事件发生的可能性均相等，则称该实验的概率模型为几何概型。 若事件AAA与BBB之间任意一个事件发生的概率不受另一个事件的影响，则称两事件相互独立。1.2 一维离散型随机变量
2020-10-10 21:18:57
1573
原创 计算机系统——异常与信号
一、异常控制流 从给处理器加电开始，处理器只是简单地读取和执行一个指令序列，这个指令序列就是处理器的控制流。现代系统使控制流发生突变，而对程序状态和系统状态的变化做出反应，称为异常控制流。1.1 异常 异常使指为了响应某个事件而将控制转移给操作系统内核的情况，其中内核指操作系统常驻内存的部分。异常的处理需要软件与硬件的配合，当处理器检测到事件时，会通过异常表进行处理。 异常表是一张跳转表，系统中可能的每一种类型的异常都分配了唯一的非负整数异常号，异常表的表目k包含了k类异常的处理程序的地址。当
2020-10-09 14:33:42
872
原创 计算机网络——自顶向下的物理层
一、通信基础1.1 信号与数据 数据是传送信息的实体，信号是数据的电气或电磁变现，是数据在传输过程中的存在形式，包括模拟信号与数字信号。 码元是指用固定市场的信号波形或数字脉冲表示一个k进制的数字，这个时长内的信号称为k进制码元。例如在二进制编码中，只有两种码元，一种代表0，另一种代表1。 数字通信是指数字计算机或其他数字终端之间的通信。一个数据通信系统主要划分为信源、信道和信宿三个部分。 信源是产生和发送数据的源头，信宿是接收数据的终点，通常是计算机或其他数字终端装置。信源发出的信息需要
2020-10-08 16:50:57
592
原创 计算机网络——自顶向下的链路层
一、链路层协议原理1.1 链路层概述 数据链路层负责通过一条链路从一个结点向另一个物理链路直接相连的相邻结点传送数据报。 运行链路层协议的任何设备均称为结点，包括主机、路由器、交换机与wifi接入点。沿着通信路径连接相邻结点的通信信道称为链路，包括以太网链路、Wifi链路等。在通过特定的链路时，传输结点将数据报封装在帧【fame】中。 链路层的主体部分是在网络适配器中实现，通常是一个实现了许多链路层服务的专用芯片，因此链路层的许多功能基于硬件实现。1.2 链路层提供的服务 链路层协议能够
2020-10-07 15:43:39
331
原创 计算机系统——链接与库
一、静态链接 链接是将各种代码和数据片段收集并组合成为一个单一文件的过程。1.1 链接器驱动程序 考虑main.c文件代码形如int sum(int *a, int n);int array[2] = {1, 2};int main(){ int val = sum(array, 2); return val;}与sum.c文件代码形如int sum(int *a, int n){ int i, s = 0; for (i = 0; i <
2020-10-07 14:03:44
532
1
原创 线性代数——特征值与特征向量
一、特征值与特征向量 利用特征值与特征向量，可以把线性变换表达成简单而易于想象的形式。1.1 特征值与特征向量 设A\bm{A}A是数域FFF上的nnn阶方阵，如果有数λ∈F\lambda \in Fλ∈F及FFF上的nnn维列向量X=(x1,...,xn)T≠0\bm{X} = (x_1, ..., x_n)^T \ne \bm{0}X=(x1,...,xn)T=0，使得AX=λX\bm{AX} = \lambda\bm{X}AX=λX成立，则称λ\lambdaλ是A\bm{A}A的一个
2020-10-06 20:44:47
798
原创 计算机系统——存储器层次结构
一、储存技术1.1 随机访问存储器 随机访问存储器【Random Access Memory，RAM】封装在芯片内，基本储存单位是单元，容量为1bit，多个RAM芯片组成了存储器。RAM分为静态随机访问存储器【Static Random Access Memory，SRAM】与动态随机访问存储器【Dynamic Random Access Memory，DRAM】。 SRAM将每个位存储在一个双稳态的存储器单元内，每个单元使用一个六晶体管电路实现的，其可以无限期的保持在两个不同的电压状态之一，而其
2020-10-06 11:36:21
925
1
原创 计算机网路——自顶向下的网络层
一、网络层核心功能1.1 转发与路由 网络层的作用从表面上看极为简单，即将分组从一台发送主机移动到一台接收主机。为此，需要使用两种重要的网络层功能，即转发与路由。转发指的是当一个分组到达某路由器时的一条输入链路时，该路由器必须将该分组移动到适当的输出链路，通常用硬件实现；路由指的是分组从发送方流向接收方时，分组路径的决定策略，通常由软件实现。1.2 网络层服务模型 网络层服务模型可以分为无连接服务与连接服务。无连接服务不事先为系列分组的传输确定传输路径，由路由算法决定；而连接服务为系列分组的传输
2020-10-05 15:12:20
227
原创 计算机系统——处理器体系结构
一、Y86-64指令集体系架构 指令集体系架构定义了状态单元、指令集、编码、规范及异常事件处理。1.1 Y86-64指令集 Y86-64是Intel x86-64得一个简单版本。 Y86-64处理器的状态包括： -程序寄存器，除了%r15的64位寄存器； -条件码，由算术或逻辑指令产生的标识，包括ZF、SF与OF； -程序计数器【Program Counter，PC】记录下一条指令的地址； -程序状态【Program Status，Stat】指示程序的正常操作或错误状态；
2020-10-03 13:52:49
2565
3
原创 数据结构——图
一、图1.1 图 由顶点【vertex】的有穷非空集合和顶点之间的边【edge】的集合组成的数据结构称为图【Graph】，通常表示为G=(V,E)G = (V, E)G=(V,E)其中，GGG表示一个图，VVV是图GGG中顶点的集合，EEE是图GGG中顶点之间边的集合。顶点一般用于表示数据对象，而边表示了数据对象之间的关系。 若顶点viv_ivi和vjv_jvj之间的边没有方向，则称这条边为无向边，表示为(vi,vj)(v_i, v_j)(vi,vj)，而当图的任意两个顶点之间的边都是无向
2020-09-29 17:22:49
225
原创 数据结构——树
一、二叉树1.1 树 考虑元素的有限集合，该集合或为空，或使其中一个元素为根【root】，其余的元素组成了新的非空有限元素的集合，这种集合结构类型称为树。一棵树除了根以外的集合构成了树的子树【subtree】。 结点具有的子树的个数称为结点的度，树中结点的度的最大值称为树的度。若结点的度为0，则该节点是一个叶子结点，否则为分支结点。 树中某个结点的子树的根称为该结点的子结点，该结点是其子结点的父结点。具有同一个父节点的子结点互为兄弟节点。 若结点nin_ini是结点ni+1n_{i+1}
2020-09-27 14:24:12
276
原创 数据结构——线性表
一、线性表的抽象数据型1.1、线性表数据结构 线性表【Linear List】是由元素组成的有序集合。记作(a0,...,ai−1,ai,ai+1,...,an−1)(a_0, ..., a_{i-1}, a_i, a_{i+1}, ..., a_{n-1})(a0,...,ai−1,ai,ai+1,...,an−1)其中： -nnn是有穷自然数，是线性表的长度，即线性表是有限的，当n=0n = 0n=0时，线性表为空表，记作()()()； -aia_iai是线性表的元素，iii是
2020-09-26 14:17:30
283
原创 计算机系统——程序的机器级表示
一、IA32处理器体系结构 1965年，Intel的创始人根据当时的芯片技术做出推断，预计在未来10年，芯片上的晶体管数量每年都会翻一番，这个预测就称为摩尔【Moore】定律。事实上，在超过50年中，半导体工业一直能够使得晶体管的数目每18个月翻一倍。1.1 处理器体系结构 处理器体系架构【Instruction Set Architecture，ISA】用于定义了机器级程序的格式和行为，其定义了处理器状态、指令的格式，以及每条指令对于状态的影响。 架构的具体实现称为微架构，包括缓存大小、核心
2020-09-24 15:42:43
802
原创 计算机网络——自顶向下的传输层
一、传输协议原理1.1 传输层与网络层 传输层协议为运行在不同Host上的进程提供了一种逻辑通信机制。在端系统运行传输层协议时，发送方将应用递交的消息分成一个或多个报文段【Segment】，并下传给网络层；而接收方将收到的segment组装成消息，并上交给应用层。 运输层提供了应用进程之间的逻辑通信机制，而网络层提供了Host之间的逻辑通信机制。传输层位于网络层之上，依赖于网络层服务的同时又对网络层服务进行可能的增强。 传输层协议包括可靠、按序交付的服务TCP与不可靠的交付服务UDP，两者均不
2020-09-22 17:46:21
533
原创 微积分——多元微积分学
一、多元函数微分学1.1 多元函数的极限 设定义在DDD上的二元函数f(x,y)f(x, y)f(x,y)，P0(x0,y0)P_0(x_0, y_0)P0(x0,y0)是DDD的聚点（内点与边界点的合集），若存在常数A，对于任意给定的ϵ>0\epsilon>0ϵ>0，总存在正数δ\deltaδ，使得当P∈D∩Uo(P0,δ)P \in D \cap U^o(P_0, \delta)P∈D∩Uo(P0,δ)时，都有∣f(P)−A∣<ϵ|f(P) - A| < \
2020-09-19 22:28:44
1276
原创 计算机网络——自顶向下的应用层
一、应用协议原理1.1 网络应用程序体系结构 应用程序体系结构由应用程序研发者设计，规定了如何在各种端系统上组织该应用程序。 在客户-服务器体系结构中，有一个总是打开的主机称为服务器，它服务于来自许多其它称为客户的主机的请求，而客户相互之间不直接通信。服务器具有固定的、周知的地址，称为IP地址。配备大量主机的数据中心常被用于创建强大的虚拟服务器。 在对等【Peer-to-peer，P2P】体系结构中，应用程序在间断来接的主机对之间使用直接通信，这些主机称为对等方。P2P具有自扩展性，即对等方产
2020-09-16 17:31:43
608
原创 计算机系统——信息的表示与处理
一、信息的位表示 现代计算机储存和处理的信息以二值信号表示，这些二进制数字，或者称为位【bit】，形成了数字革命的基础。1.1 信息存储 大多数计算机使用8位的块，或者称为字节【byte】，作为最小的可寻址的内存单位，而不是访问内存中单独的位。一个字节由8位组成，在二进制表示法中，其值域为[000000002,111111112][00000000_2,11111111_2][000000002,111111112]，在十进制的值域为[0,255][0, 255][0,255]。二进制表示法太
2020-09-16 13:02:27
989
原创 微积分——一元微积分学
一、函数极限与连续1.1 极限基本 设函数f(x)f(x)f(x)在点x0x_0x0的某一去心邻域内有定义，若存在常数A，对于任意给定的ϵ>0\epsilon>0ϵ>0，总存在正数δ\deltaδ，使得当0<∣x−x0∣<δ0 < |x - x_0| < \delta0<∣x−x0∣<δ时，都有∣f(x)−A∣<ϵ|f(x) - A| < \epsilon∣f(x)−A∣<ϵ，记作limx→x0 f(x)=Alim_
2020-09-15 21:00:27
969
1
原创 机器学习——无监督学习与分析
一、无监督学习 对于LR或SVM中的样本，都给出了正确的类标签，因此称为监督学习。当数据样本没有像监督学习那样，给出类标签或所谓的正确答案，那么需要靠算法本身发现数据中的结构，称为无监督学习。1.1 K-means算法 聚类的基本思想是，对于给定的数据集合，将数据聚集成若干一致的类。典型的聚类算法是K-means，用于寻找数据集合中的类，算法步骤如下 （1）从数据中初始化k个类中心点μ\bm\muμ； （2）设置第i个样本的类c(i)=argminj ∣∣x(i)−μ(j)∣∣c
2020-06-17 16:43:28
423
原创 模式识别——EM算法
一、概率与似然 考虑以θ\thetaθ为参数的分布x;θx;\thetax;θ，若x;θx;\thetax;θ的分布已知，则该分布的一个随机样本xi=E[x;θ]x_i = E[x;\theta]xi=E[x;θ]若x;θx;\thetax;θ的分布未知，对符合其分布的样本进行抽样，得到了{xn}\{x_n\}{xn}，则该分布的参数θ=argmaxθ lnL(θ∣xi)\the...
2020-06-15 16:00:14
588
1
原创 机器学习——学习理论
一、经验风险最小化1.1 经验风险最小化的两种理解 考虑线性分类模型hθ(x)=g(θTx)g(z)=1{z≥0}h_{\bm\theta}(\bm{x}) = g(\bm\theta^T\bm{x}) \\ g(z) = 1\{z \ge 0\}hθ(x)=g(θTx)g(z)=1{z≥0}考虑训练样本{(x(i),y(i))}i=1m\{(\bm{x}^{(i)}, y^{(i)})\}_{i=1}^m{(x(i),y(i))}i=1m，定义训练偏差ϵ^(hθ)=∑i=1m1{hθ(x(i))
2020-06-13 13:55:27
396
原创 凸优化——负梯度
一、方向导数 导数描述了函数随自变量变化的变化率。而当函数为多元函数时，取Rn\bm{R}^{n}Rn上的多元函数f(x)f(\bm{x})f(x)，其在不同方向通常有不同的变化率，因此，在描述多元函数的导数时，不仅要描述其变化率的幅值，还要描述其方向。 定义函数fff定义域上一点p0\bm{p}_0p0与p1\bm{p}_1p1，向量l\bm{l}l是一个方向与p=p1−p0\bm{p} = \bm{p}_1 - \bm{p}_0p=p1−p0一致的非零向量，用以描述p\bm{p}p的方向
2020-06-08 14:44:56
1514
原创 凸优化——凸优化问题与算法
一、凸优化问题 考虑一个优化问题，其优化函数为凸函数，其约束集为凸集，则广义的称其为凸优化问题。 再考虑一般优化问题的描述，形如min f0(x)s.t. fi(x)≤0,i=1,...,mhi(x)=0,i=1,...,p\begin{aligned}min\ &f_0(\bm{x})\\ s.t.\ &f_i(\bm{x}) \le 0, i = 1...
2020-05-26 15:49:22
3230
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人