May, 2023

基于压缩感知和分组测试的图像鉴黄神经网络高效分类与异常检测

PDF
TL;DR该论文提出了一种基于压缩感知和神经网络的图像自动审核方法，通过使用矩阵池化神经网络来减少运算成本，同时还介绍了基于群组检测和压缩感知的高效自动异常检测技术，为图像社区的自动审核提供了一个性能更好的解决方案。
neural networkimage moderationcompressed sensingautomated moderationoutlier detection
发现论文，激发创造
  • 基于局部结构采样的图像压缩感知编码的深度网络

    该研究提出了一种基于卷积神经网络的图像压缩感知编码框架，使用局部结构采样，并通过测量编码和拉普拉斯金字塔重构方法来提高编码效率和图像恢复质量。实验证明该方法在节省计算时间的基础上，优于现有的压缩感知编码方法。

    Feb, 2024

  • 压缩图像感知的深度网络

    本文尝试借助深度网络解决压缩感知中的采样效率和信号恢复的问题，通过训练一个采样矩阵和设计一个类似于压缩感知重构过程的深度网络，我们的实验结果显示，我们的方法相较于现有技术提供了显著的质量提高。

    Jul, 2017

  • CAS-CNN：一种深度卷积神经网络用于图像压缩伪影抑制

    本研究提出了一种新型的 12 层深度卷积神经网络，用于图像压缩伪影抑制，其具有分层跳过连接和多尺度损失函数。相较于普通的 JPEG，可提高高达 1.79 dB 的峰值信噪比，并且相较于先前最佳 ConvNet 结果提高高达 0.36 dB。该研究表明，训练用于特定质量因子 (QF) 的网络对于压缩输入图像所使用的 QF 是有韧性的，单个针对 QF 60 训练的网络在多种 QF 范围内 (40 至 76) 提供超过 1.5 dB 的 PSNR 增益。

    Nov, 2016

  • 带有条件顺序调制的超轻量级照片修饰网络

    该论文提出了一种使用多层感知机的轻量级、高效率处理全局和局部图像美化效果的算法 - 条件流式修饰网络。通过分析全局图像美化运算可通过一个多层感知器数学式子来描述，并以此为基础搭建了一个小型的神经网络框架，可以在较小的参数量下实现对图像的优化改进。

    Apr, 2021

  • 非局部神经网络的图像压缩感知

    提出了一种使用非局部神经网络（NL-CSNet）的新型图像压缩感知（CS）框架，利用测量域和多尺度特征域中的非局部自相似先验知识，旨在改善重构质量。

    Dec, 2021

  • NL-CS Net: 基于非局部先验的图像压缩感知深度学习

    本文提出了一种使用非局部先验的 CS 方法，称为 NL-CS Net，通过学习解决非局部和稀疏正则化优化问题的扩展 Lagrangian 方法的每个阶段来解决现有网络方法的不足，其中重要参数是端对端学习的，并且在自然图像和磁共振成像实验中表现出更好的性能。

    May, 2023

  • 用于高效的全局图像修饰的条件顺序调制

    本文提出了一种基于条件顺序处理网络的图像修图框架，该框架利用全局特征调制中间特征以实现各种图像处理操作，展现了在 MIT-Adobe FiveK 数据集上优越的性能。

    Sep, 2020

  • 使用卷积神经混合模型适应推理成本

    本文提出了一种基于概率模型的混合卷积神经网络 (CNMMs) 方法，能够显著降低卷积神经网络在推理时所需的计算成本，并在语义分割和图像分类领域得到了广泛的应用。

    Aug, 2019

  • 卷积神经网络压缩在自然语言处理中的应用

    本文提出了一种对情感分析中高效的卷积神经网络进行压缩的方法，该方法包含量化和修剪过程，并展示了将压缩后的网络映射到 FPGA 的方法及其实现结果，实验表明实现 5 位宽度即可达到与浮点数相近的精度且达到了较大的内存占用空间减少（从 85% 到 93%）。

    May, 2018

  • 自我监督的可扩展深度压缩感知

    提出了一种新颖的自我监督可扩展深度压缩感知方法，称为 SCL 和 SCNet，它不需要 GT，可以处理任意的采样比率和矩阵。实验证明该方法在 1D/2D/3D 信号上取得了显著的效果和优越性能，具有灵活性和泛化能力，可以与最先进的有监督方法竞争。

    Aug, 2023