Contrastive Semi-supervised Learning for Underwater Image Restoration via Reliable Bank(论文阅读)
解决问题:
存在问题:(naive mean-teacher method-baseline)
提出方法:Semi-supervised Underwater Image Restoration (Semi-UIR)
开源代码:https://github.com/Huang-ShiRui/Semi-UIR
摘要:尽管近年来水下图像恢复技术取得了显著成就,但缺乏标记数据已成为进一步发展的主要障碍。在这项工作中,我们提出了一个基于均值教师的半监督水下图像恢复(Semi-UIR)框架,将未标记的数据纳入网络训练中。然而,朴素均值-教师方法存在两个主要问题:(1)当教师的预测错误时,训练中使用的一致性损失可能会失效。(2)使用L1距离可能导致网络过拟合错误标签,产生确认偏差。为了解决上述问题,我们首先引入一个可靠的银行来存储“有史以来最好”的输出作为伪基础真理。为了评估输出的质量,我们基于单调性进行了实证分析,以选择最可信的NR-IQA方法。此外,针对确认偏差问题,我们引入了对比正则化来防止错误标签的过拟合。
方法:
1、Semi-supervised Underwater Restoration / Reliable Teacher-Student Consistency
2、Reliable Metric Selection
3、Overall Optimization Objective
4、浑浊数据下的测试结果:
Contrastive Semi-supervised Learning for Underwater Image Restoration via Reliable Bank(论文阅读)相关推荐
- Learning Span-Level Interactions for Aspect Sentiment Triplet Extraction 论文阅读 ACL2021
目录 摘要 针对问题: 解决方法: 2 Span-based ASTE 2.1 Task Formulation 2.2 Model Architecture 2.2.1 Sentence Encod ...
- 图构造总结-Graph‑based semi‑supervised learning via improving the quality of the graph dynamically
前言 本博文主要对论文中提到的图构造方法进行梳理,论文自己提出的模型并未介绍,感兴趣的可以阅读原文 摘要 基于图的半监督学习GSSL主要包含两个过程:图的构建和标签推测.传统的GSSL中这两个过程是完 ...
- 《Communication-Efficient Learning of Deep Networks from Decentralized Data》论文阅读
4.29 天气:阴. 看论文看不懂,所以找回来这篇经典的FedAvg看看. AISTATS 2017. <Communication-Efficient Learning of Deep Net ...
- Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction论文阅读笔记
我的博客链接 0. 前言 1. 作者试图解决什么问题? 作者想在KGE中对语义层级(semantic hierarchies)进行建模. 2. 这篇论文的关键元素是什么? semantic hiera ...
- A Deep Reinforcement Learning Network for Traffic Light Cycle Control 【论文阅读】
文章脉络[Dueling DQN+Prioritized Memory ,2019年TVT] 1.贡献 1)首次将dueling network,target network,double DQN 和 ...
- Learning Actor Relation Graphs for Group Activity Recognition 论文阅读
目录 一.了解ARG 二.为什么需要ARG 1.多人场景识别的问题 2.先前的方法 3.本文的方法 4.本文的三大贡献 三.ARG详细介绍 1.群体活动识别框架 2.构建ARG 2.1图的定义 2.2 ...
- 论文阅读|struc2vec: Learning Node Representations from Structural Identity
论文阅读|struc2vec: Learning Node Representations from Structural Identity 文章目录 论文阅读|struc2vec: Learning ...
- ML之SL:监督学习(Supervised Learning)的简介、应用、经典案例之详细攻略
ML之SL:监督学习(Supervised Learning)的简介.应用.经典案例之详细攻略 目录 监督学习(Supervised Learning)的简介 1.监督学习问题的两大类-分类问题和回归 ...
- 【论文导读】- Link Weight Prediction Using Supervised Learning Methods(使用监督学习方法的链路权重预测及其在Yelp网络中的应用)
文章目录 论文信息 摘要 主要内容(contributions) 图模型和评价指标 特征指标 原图特征指标 原始图转线图 线图特征指标 论文信息 Link Weight Prediction Usin ...
- 监督学习(supervised learning)与非监督学习(unsupervised learning)
一,监督学习(supervised learning): 监督学习(supervised learning)的任务是学习一个模型,使模型能够对任意给定的输入,对其相应的输出做出一个好的预测. 即:利用 ...
最新文章
- 智能手机相机测试中的功能测试和性能测试
- datetimepicker时间控件
- (常用API)正则表达式的概念和作用
- wordpresd免登录发布接口php_屏蔽修改wp-login.php登录入口确保WordPress网站后台安全...
- win32开发(简单绘图)
- html的toggle属性,HTML ontoggle事件属性
- 用DOS的FOR命令高速ping指定的所有局域网机器
- python zip函数_Python zip()函数
- TypeScript 再次发布一个奇怪的版本:3.3.4000
- 收藏:40个Linux运维面试经典基础问题!
- @Autowired与@Resource
- 一文读懂数据湖 | 凌云时刻
- java.math.BigInteger cannot be cast to java.lang.Long
- 维修小记:电脑更换不同型号主板时可能碰到的问题以及其解决方案
- _getch()函数的介绍
- python图片分类毕业设计成果报告书_4period;毕业设计成果报告书
- MySQL中试图的应用
- Adobe photo shop 裁剪某个图层中图片的大小
- python pyz_Python pyzgoubi包_程序模块 - PyPI - Python中文网
- Inksape 设置画布像素尺寸及透明背景
热门文章
- 银行日常营业模拟(C++数据结构课程设计)
- 抓住“黑天鹅”,ChainNode直播间回归,三位大咖畅聊“熊市生存指南”
- Windows、Linux安装JDK及环境变量配置
- GD32 USB 复合设备文件描述符
- 视频流媒体服务器视频直播流播放界面持续抖动不稳定如何处理?
- Vim练级笔记(持续更新)
- 如何删除计算机新用户名和密码是什么,教你Windows10系统管理员账户密码怎么删除...
- Ubuntu16.04+asus-z170+gtx1060搭建TensorFlow-GPU
- Swin Transformer 类可视化(grad CAM)
- 10-64 查询成绩最高的前三名同学