世界杯亚洲区预选赛中国队队员

来源:ork.hk  作者: 柘沟镇新闻网  发表时间:2018-04-24

12月1日,由andrea vedaldi等三位作者发表了一篇论文:《Deep Image Prior》。它让一个深度卷积网络去学习复制被破坏的图像(如,加入噪点的图像),发现这个网络会自动先学会如何重建图像。例如,给定一幅被破坏的图像x,具体过程如下:用随机参数初始化深度卷积网络f。令f的输入为固定的随机编码z。令f的目标为:输入z,输出x。以此训练f的参数。注意选择合适的损失函数。例如对于降噪问题可关注整体的MSE,对于填充问题就应该只关心不需要填充的位置的MSE。当训练很久之后,f可实现输出一模一样的x。但如果在训练到一半时打断f,会发现它会输出一幅“修复过的x”。这意味着,深度卷积网络先天就拥有一种能力:它会先学会x中“未被破坏的,符合自然规律的部分”,然后才会学会x中“被破坏的部分”。例如,它会先学会如何复制出一张没有噪点的x,然后才会学会复制出一张有噪点的x。换而言之,深度卷积网络先天就了解自然的图像应该是怎样的。所以我们也可以理解为什么GAN的方法这么简单却效果这么好。这无疑来自于卷积的不变性,和逐层抽象的结构。个人认为这对于指导设计和测试网络架构很有意义。

编辑: