CVPRMar, 2016

分形维度不变滤波及其基于 CNN 的实现

PDF
TL;DR本文提出一种新的分形维数不变滤波（FDIF）方法，利用局部自相似性概念为图像开发局部分形模型，并在各向异性滤波器组后添加非线性后处理步骤，成功地保持了图像局部分形维度不变性，同时，将所提出的滤波方法通过 CNN-based 框架进行了近似重构，提供了一种新的 CNN 图像模型的几何解释。在复杂曲线检测任务中，该方法优于现有方法。
发现论文，激发创造
  • 分形几何的潜力和卷积神经网络对其编码能力的研究

    通过研究分形维度如何随测量尺度变化来提供对象复杂性的统计指标，本研究调查了深度模型学习的特征，以及这些深度网络是否能够编码像分形维度这样复杂和高级的特征。研究表明深度网络无法在任何层次中提取这样的特征，而仅操作分形特征的模型在某些应用中的分类任务中可显着提高准确性，且相对于原始数据训练的深度网络而言，所需计算资源较少。

    Jan, 2024

  • 一种带有分形维度约束的轻量级烟花算法进行特征选择

    本文提出了一种基于 LFWA+FD 的特征选择算法，通过约束特征的分形维度来简化算法，从而减少原始数据中的噪音，有效地为机器人视觉推理选择有用的特征子集并提高性能。

    Mar, 2023

  • 用于异常检测和定位的分形预训练数据集

    通过使用动态生成的分形图像对比使用 ImageNet 预先训练的模型，我们评估了八种最先进的模型在异常检测任务中的性能，虽然 ImageNet 的预训练仍然是最好的选择，但分形图像的结果非常有希望，这表明了在处理机器学习中日益增长的数据需求以及隐私和安全问题时，使用合成的抽象数据集进行特征提取器训练的新研究方向的可能性。

    May, 2024

  • FFDNet: 基于 CNN 快速灵活的图像去噪解决方案

    提出了一种快速而灵活的去噪卷积神经网络 FFDNet，具有可调的噪声等级映射作为输入，能够处理各种噪声水平并能去除空间变异噪声，且速度快于 BM3D。

    Oct, 2017

  • 提高分形预训练

    本篇文章提出了一种新的、基于分形图像的优化预训练数据集的方法，该数据集可以在零成本的情况下实现完美的分类准确性，无需存储 / 传输巨大的图像存档，没有隐私 / 族群偏见 / 不当内容的担忧，并且图像有无限的供应和多样性。实验结果表明，利用这种新的预训练任务和基于分形的预训练方法 Fine-tune 网络可以达到 92.7-98.1% 的 ImageNet 预训练网络的准确性。

    Oct, 2021

  • 特征统计指导的高效滤波器剪枝

    本文提出一种新的滤波器剪枝方法，该方法结合了多个特征图选择机制：多样性感知选择和相似性感知选择，能够有效地减小卷积神经网络的参数大小和浮点运算数，同时几乎不会降低其分类准确度。

    May, 2020

  • 关于分形维数作为泛化度量的局限性

    深度学习中超参数化神经网络的泛化缺口、分形维度、持续同调维度、模型的双下降等方面进行了广泛的研究评估，通过观察发现，残差参数向量的 L2 范数与泛化缺口之间有更强的相关性。该研究为进一步探索分形几何、拓扑数据分析和神经网络优化之间的因果关系奠定了基础。

    Jun, 2024

  • 基于多级卷积神经网络的光学条纹图案过滤

    本文介绍了一种基于深度学习和规则化技术的光学条纹图象去噪方法，可以有效去除条纹图象中的噪声，提高提取相位场的准确性和鲁棒性。实验结果表明，该方法在去除噪声的同时，能够保留条纹图象的主要特征，速度较快，具有一定的竞争力。

    Jan, 2019

  • 用梯度下降学习分形

    本文介绍了一种通过梯度下降学习分形图像参数的方法，用于生成类似于目标图像的分形图像，此方法具有高可视品质的能力并且具备对不同损失函数的兼容性，为后续任务、科学理解等提供了多种应用潜力。

    Mar, 2023

  • 固定点扩散模型

    我们介绍了一种新颖的方法 ——Fixed Point Diffusion Model（FPDM），它将固定点求解的概念融入了基于扩散的生成模型框架中。通过将隐式固定点求解层嵌入到扩散模型的去噪网络中，我们的方法将扩散过程转化为一系列紧密相关的固定点问题。结合新的随机训练方法，这种方法显著减小了模型大小，降低了内存使用量，并加快了训练速度。此外，它还提供了两种新技术来提高采样效率：在时间步长之间重新分配计算和重用固定点解。我们在 ImageNet、FFHQ、CelebA-HQ 和 LSUN-Church 上进行了大量实验，证明了性能和效率的显著改进。与最先进的 DiT 模型相比，FPDM 的参数数量减少了 87%，训练过程中的内存消耗减少了 60%，并且在采样计算或时间有限的情况下提高了图像生成质量。我们的代码和预训练模型可以在此 https URL 中获得。

    Jan, 2024