细而深的网络结构 | 图像修复 五大 卷积 | 后续关注的知识点
【摘要】
本文当前,还很粗糙,谨慎查阅 后续看到相关资料再更新
摘自 论文 Generative Image Inpainting with Contextual Attention
our in...
本文当前,还很粗糙,谨慎查阅
后续看到相关资料再更新
摘自 论文 Generative Image Inpainting with Contextual Attention
our inpainting network is designed in a thin and deep scheme for efficiency purpose and has fewer parameters than the one in[15].
为了提高网络的效率,我们设计了一个细(窄)而深的修复网络模型,并且比现有的修复网络具有更少的参数[15].
图像修复 五大 卷积
常规卷积
空洞卷积
部分卷积 [ 2018 Image Inpainting for Irregular Holes Using Partial Convolutions ]
门控卷积 [ 2019 Free-Form Image Inpainting with Gated Convolution ]
部分卷积 + 反卷积
相关提及论文
门控卷积
文章来源: positive.blog.csdn.net,作者:墨理学AI,版权归原作者所有,如需转载,请联系作者。
原文链接:positive.blog.csdn.net/article/details/113500504
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)