ICMEW2019的论文。
论文基于以下出发点:高分辨率的底层特征有空间信息;低分辨率的高层特征有语义信息;之前的方法没有将两者良好结合,并且在cross-scale的时候没有结合不同scale上的features。
因此论文用下面的网络结构进行摩尔纹去除。
loss function是常规的loss。
论文比较好的地方是,通过融合不同深度的特征和不同语义、高频信息进行摩尔纹去除。这个和之前的HENet有异曲同工之妙.
Paper reading notes, code sharing platforms
ICMEW2019的论文。
论文基于以下出发点:高分辨率的底层特征有空间信息;低分辨率的高层特征有语义信息;之前的方法没有将两者良好结合,并且在cross-scale的时候没有结合不同scale上的features。
因此论文用下面的网络结构进行摩尔纹去除。
loss function是常规的loss。
论文比较好的地方是,通过融合不同深度的特征和不同语义、高频信息进行摩尔纹去除。这个和之前的HENet有异曲同工之妙.
本文标题:【论文阅读】MOIRE PATTERN REMOVAL WITH MULTI-SCALE FEATURE ENHANCING NETWORK(ICMEW2019)
文章作者:Zeyuxiao
发布时间:2020年01月30日 - 12:01
最后更新:2020年02月05日 - 11:02
原始链接:https://zeyuxiao1997.github.io/2020/01/30/MFSE/
许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。
WeChat Pay
Alipay