CVPRMar, 2020

深度强化学习优化何时何地进行缩放

PDF
TL;DR本文提出了一种名为 PatchDrop 的强化学习方法，该方法可以动态地识别何时和在哪里与配对的低分辨率图像一起使用 / 获取高分辨率数据，从而显著减少高分辨率数据的使用，并在 CIFAR10，CIFAR100，ImageNet 和 fMoW 数据集上保持类似的准确性。
high resolution imagescomputational costpatchdropreinforcement learninglow resolution images
发现论文，激发创造
  • 基于深度强化学习的大图像目标检测方法

    为了减少使用高空间分辨率图像所带来的计算和货币成本，我们提出了一种强化学习代理，该代理自适应地选择提供给探测器的每个图像的空间分辨率，并使用双重奖励设置对代理进行训练，以选择低空间分辨率图像，以运行粗级探测器，同时选择高空间分辨率图像，则运行精细级探测器，该方法在维持与仅使用高分辨率图像的检测器相似的准确性的同时，将运行时间效率提高了 50％，只使用高分辨率图像 30％的时间

    Dec, 2019

  • 使用深度强化学习实现高效贫困地图绘制

    通过强化学习的方法，结合高分辨率遥感图像和云计算技术，可以在保持精度的情况下降低获取成本，提高贫困预测任务的性能，为可持续发展的多个领域提供实用的应用。

    Jun, 2020

  • 视觉系统的资源高效感知

    应对高分辨率图像处理中的计算挑战，提出了一种利用内存高效的基于块处理的框架，通过全局上下文表示和局部块信息实现对图像内容的全面理解，并在不受内存限制的情况下对超高分辨率图像进行训练，在分类、目标检测和分割等七个基准测试中取得了卓越性能，甚至在像 Jetson Nano 这样的资源受限设备上也能表现出色。

    May, 2024

  • 远距学习，学以致远

    通过使用真实的 RAW 传感器数据进行训练，本文表明将机器学习应用于数码变焦较为有利。作者们还展示了如何通过光学变焦图像获取高准确度的真实高分辨率图像用于训练深度神经网络，并提出了一种新的上下文双边损失（CoBi）算法，使得训练出的网络在 4 倍和 8 倍的计算缩放中实现了最佳性能。

    May, 2019

  • 高分辨率图像识别的迭代补丁选择

    提出一种名为 Iterative Patch Selection (IPS) 的简单方法，该方法仅选择最显着的补丁，将其聚合成用于图像识别的全局表示，从而可以在硬件限制下处理任意大小的图像，展现出强大的性能和广泛的适用性，同时使用最少的加速器内存。

    Oct, 2022

  • 使用多尺度神经补丁合成的高分辨率图像修复

    提出一种基于多尺度神经网络贴片合成方法的图像修复算法，通过联合优化图像内容和纹理约束，不仅保留了上下文结构，而且通过匹配最相似的中间层特征相关性，产生高频细节。在 ImageNet 和 Paris Streetview 数据集上，该方法取得了最先进的修复准确性。

    Nov, 2016

  • 变分扫掠：用于大分辨率图像的高效推断

    提出了一种使用代理分布降低高分辨率图像分类的推理和存储成本的方法，并介绍了一个新的原则性变分下界来捕捉代理分布后验与原始图像坐标空间之间的关系以最大化条件分类似然函数。在合成基准测试和现实世界大分辨率 DSLR 相机图像数据集上进行实证的结果表明，我们的方法产生了可比较的结果，而且推理速度快了 10 倍并且消耗的内存更少。即便是处理复杂 3D 渲染场景中的 Starcraft II 小地图，我们的模型也提供了强大的定位功能。

    Dec, 2018

  • Zoom-to-Inpaint：具备高频细节的图像修复算法

    本文提出一种将超分辨率应用于粗略重建输出并在高分辨率下进行细化，然后将输出缩小到原始分辨率的框架，以提高高频细节的重建效果，同时采用渐进式学习技术来辅助大空缺区域的训练，获得了比现有最佳方法更好的表现。

    Dec, 2020

  • 通过选择性知识蒸馏实现野外低分辨率人脸识别

    本研究提出了一种使用选择性知识蒸馏学习低分辨率人脸识别的方法，在损失性能的同时实现更高速度和更低内存消耗，通过优化图问题，选择性地从一个复杂的面部模型中提取最具信息量的面部特征来让一个简单的卷积神经网络完成相应识别任务。

    Nov, 2018

  • 可微分的图像识别补丁选择

    通过不可区分的 Top-K 算子选择图像中最相关的部分，以高效处理高分辨率图像。 该方法可以与任何下游神经网络接口，以灵活的方式聚合不同补丁的信息，并允许整个模型使用反向传播进行端到端训练。该结果适用于交通标志识别，补丁之间的关系推理以及在训练期间不使用对象 / 部件边界框注释的细粒度识别。

    Apr, 2021