降噪演算法，最大的問題是降噪後的影象容易不實，顯得模糊。而且乙個降噪演算法難以處理多種型別的噪點（彩噪、亮噪等）。
在監控領域，降噪演算法的劣勢體現在人臉的五官等細節不實，塗抹比較嚴重。尤其在低照度場景下，這種問題會被放大。
傳統演算法搞來搞去，根據畫素點的值和空間距離設定各種規則進行濾波，都難以克服上述的缺點。
只有深度學習技術可以克服上述缺點。
當前各種計算機視覺頂會**主要聚焦於基礎理論和學問創新點，深度學習在人臉（jpg）降噪後處理的實際應用上幾乎沒有工業價值。其原因在於低照度人臉降噪是乙個複雜的問題，不是簡單的降噪問題，可以細分為多種任務的影象質量提公升問題。這種情況下，你不知道該用什麼資料訓練（不是有噪點圖和無噪點圖那麼簡單）。
我在這個問題上研究了大半年的時間，在乙個獨特的角度，終於從資料和模型上取得了突破（演算法穩定），使得處理後的人臉乾淨銳利。(從左到右依次為我的結果、一般頂會**結果、原圖）。
我暫時不會公開方法，這裡面的沉沒成本夠喝一壺了。
有人說艾弗森的第一步你不知道他往哪邊突破，所以你防不住。
有人說麥迪的第一步你知道他往哪邊突破，但是你跟不上所以也防不住。
DeepId人臉識別演算法學習
deepid的目標是人臉驗證 判斷兩張是否是乙個人 同時衍生出人臉識別 多次人臉驗證 使用近期比較火的卷積神經網路學習特徵，輸入一張，產出160維的特徵向量，然後使用現成的淺層機器學習組合貝葉斯進行分類。由於卷積神經網路計算的特徵緊湊且區分度大，所以得到的效果較好。同時，為了得到更好的效果，deep...
深度優先演算法學習 案例
挑戰程式設計競賽第二版 巫澤俊 1.部分和問題 給定整數a1 a2 an，判斷是否可以從中選出若干數，使他們的和恰好為k。限制條件 1 n 20 10 8 ai 108 108 k 108 題解 利用深度優先演算法，分情況計算下去，遞迴。樣例 輸入 n 4 a k 15 輸出 no include ...
演算法學習 深度優先搜尋
深度優先搜尋 縮寫dfs 有點類似廣度優先搜尋，也是對乙個連通圖進行遍歷的演算法。它的思想是從乙個頂點v0開始，沿著一條路一直走到底，如果發現不能到達目標解，那就返回到上乙個節點，然後從另一條路開始走到底，這種盡量往深處走的概念即是深度優先的概念。廣度優先搜尋 bfs 是按照乙個樹的層次來完成搜尋的...