无监督训练凸正则化函数的极大似然估计 原文约300字,阅读约需1分钟。发表于:2024-04-08T00:00:00Z。 我们提出了一种无监督的贝叶斯训练方法,用于学习具有固定噪声数据集的凸神经网络正则化器,基于双马尔可夫链估计方法。与经典的有监督对抗性正则化方法相比,我们在自然图像高斯去卷积和泊松降噪任务上展示了接近的性能。 本文回顾了无监督深度学习在图像处理中的应用,介绍了基于最优运输和凸分析的学习方案,循环一致性模型和学习对抗规则化方法。此外,还概述了加速图像逆问题求解的学习优化算法和无监督训练方案,并总结了相关无监督学习框架。 凸分析 函数 图像处理 循环一致性模型 无监督 无监督深度学习 最优运输