论文背景
这篇文章的主要思想是利用对偶学习的思想去训练SR网络,涉及到了很多对偶学习的概念,在这里做一些归纳。
图像超分的方法主要分为两类:一类是单图像超分(SISR),比如SRCNN,VDSR,RCAN等;另外一类是基于参考图像的超分方法(RefSR)。因为高分辨率图像在退化过程中会丢失很多细节和纹理信息,所以传统的单图像超分方法会产生模糊的结果;为了恢复更多的纹理信息,有研究者使用GANs来实现图像超分(SRGAN,ESRGAN等),但是GANs所带来的伪影artifacts却很难避免。 第二类方法通过Ref图像来实现图像超分取得了很好的结果,该方法通过从Ref 图像上迁移HR的纹理信息来获得视觉上可观的效果。本文的方法属于第二类,通过查询Ref 图像上合理纹理信息,将其融入到最终的超分结果。不同于以往的该类方法,本文能够有效的避免错误的纹理迁移。
从大二开始有保研外校的想法,再到大三下学期开始正式准备,现在是7月下旬,终于上岸了。结果并没有特别出色,但是还是挺符合我的预期的,甚至有些环节还算是比较幸运的。
一般ACM或者笔试题的时间限制是1秒或2秒。
在这种情况下,C++代码中的操作次数控制在 \(10^7\)为最佳。
下面给出在不同数据范围下,代码的时间复杂度和算法该如何选择:
\(n≤30\), 指数级别, dfs+剪枝,状态压缩dp
\(n≤100\) => \(O(n^3)\),floyd,dp
\(n≤10^3\) => \(O(n^2)\),\(O(n^2log\ n)\),dp,二分
\(n≤10^4\) => $ O(n∗n)$,块状链表
\(n≤10^5\) => \(O(n*log\ n)\) => 各种sort,线段树、树状数组、set/map、heap、dijkstra+heap、spfa、求凸包、求半平面交、二分
\(n≤10^6\) => \(O(n)\) => hash、双指针扫描、kmp、AC自动机。以及常数较小的 \(O(n*log\ n)\) 算法sort、树状数组、heap、dijkstra、spfa
\(n≤10^7\) => \(O(n)\),双指针扫描、kmp、AC自动机、线性筛素数
\(n≤10^9\) => \(O(\sqrt n)\),判断质数
\(n≤10^{18}\) => \(O(log\ n)\),最大公约数
数学中同余关系是一种等价关系。当两个整数a, b除以同一个正整数n,若得到相同的余数,则这两个整数同余。记做\(a\equiv b\ \ \pmod n\).
整除性:a,b相减能被n整除
传递性:等价关系的共有特性
\(\left.\begin{array}{l} a \equiv b(\bmod m) \\ b \equiv c(\bmod m) \end{array}\right\} \Rightarrow a \equiv c \quad(\bmod m)\)
排列==>多个环 简单的gcd、lcm关系
https://codeforces.com/contest/1327/problem/D
引入几个定义:
排列的乘法:如果\(a\)、\(b\)是两个排列,那么定义排列\(c=a\times b\),其中\(\forall 1\le i\le n\ \ c[i] = b[a[i]]\)。
排列\(p\)的\(k\)次幂为:\(p^k=\underbrace{p \times p \times \dots \times p}_{k \text{ times}}\)
给定n,给定一个数字1~n的排列\(p_1,p_2,...,p_n\),对于每个\(p[i]\),有一个“颜色”\(c[i]\)。
“无限路径”:对于排列\(p\),存在一个序列\(i, p[i], p[p[i]], p[p[p[i]]] \dots\)拥有相同的颜色\(c[i] = c[p[i]] = c[p[p[i]]] = \dots\),则称排列\(p\)具有无限路径。
问:对于已知的排列\(p\),求最小的\(k\),使得\(p^k\)具有无限路径。
目前的SISR(单图像超分辨率)领域已经有了很多模型。但是现有的这些模型大多是确定的,一旦模型训练结束,无论输入什么图像,对于整副图像的每个部分,计算卷积的深度都是确定的。
但是作者考虑了以下两点:
求每个节点“最白的”子树
https://codeforces.com/contest/1324/problem/F
给\(1,2,3,...,n\)一共\(n\)个点,每个点\(v\)都有一个颜色\(a_v\)——白色(\(a_v=1\))或黑色(\(a_v=0\))。现在用\(n-1\)条边把这\(n\)个点连成一棵树。对于每个点\(v\),求包含该点\(v\)的所有子树中,\(cnt_{white}-cnt_{black}\)最大的子树,输出该子树对应的\(cnt_{white}-cnt_{black}\)的值。
约数之和 => 倍数之和
https://vjudge.net/problem/HYSBZ-1968
定义\(f(n)\)为整数\(n\)的因数的个数。现输入一个N,求\(\sum_{i=1}^N{f(i)}\)。
数据范围:\(0<N<10^6\)