文件名称：NAS-DIP-pytorch:[ECCV 2020] NAS-DIP
文件大小：654KB
文件格式：ZIP
更新时间：2024-04-25 22:30:10
Python
NAS-DIP：通过神经体系结构搜索先学习深度图像 该存储库包含论文NAS-DIP：使用神经体系结构搜索先学习深度图像的源代码。 抽象的 最近的工作表明，深度卷积神经网络的结构可以在解决各种逆向图像恢复任务之前用作结构化图像。 我们建议不使用手工设计的体系结构，而是搜索能够捕获更强先验图像的神经体系结构。 基于通用的U-Net架构，我们的核心贡献在于为（1）上采样单元和（2）跨尺度残差连接模式设计新的搜索空间。 我们利用现有的神经结构搜索算法（使用带有递归神经网络控制器的强化学习）来搜索改进的网络。 我们通过各种应用程序（包括图像恢复，除雾，图像到图像转换和矩阵分解）验证了我们方法的有效性。 大量的实验结果表明，我们的算法在反对最新的无学习方法方面表现出色，并且在某些情况下与现有的基于学习的方法相比具有竞争优势。 引文 如果您发现我们的代码有用，请考虑使用以下bibtex引用我们的工作：
【文件预览】：
NAS-DIP-pytorch-master
----.DS_Store(6KB)
----img()
--------teaser.png(586KB)
----NAS()
--------gen_upsample_layer.py(4KB)
--------operations-prev.py(16KB)
--------genotypes-prev.py(2KB)
--------index_to_model_mapping.log(13KB)
--------utils.py(522B)
--------model_gen.py(2KB)
--------model.py(9KB)
--------__init__.py(0B)
--------operations.py(7KB)
--------demo.py(504B)
--------gen_upsample_layer-prev.py(5KB)
--------gen_id.py(5KB)
--------genotypes.py(876B)
----README.md(2KB)
----DIP()
--------inpainting.py(9KB)
--------.DS_Store(6KB)
--------utils()
--------models()
--------inpainting-test.py(4KB)
--------__init__.py(0B)
--------denoising.py(10KB)
--------super-resolution.py(10KB)
--------denoising-test.py(5KB)
--------super-resolution-test.py(5KB)
--------data()