Контент -_-
waifu2x-caffe cunet(noise3_model) + realcugan-ncnn-vulkan models-se(up2x-no-denoise)
SCUNet
scunet_color_real_gan.pth — 17M (68 мб)
scunet_color_real_gan.pth — 17M (68 мб)
Контент -_-
NEURAL-SORT_v2.py
NEURAL-SORT_v3.py
53.4 KB
Сортировка изображений нейросетью v3
Изменения: полная смена и удаление алгоритмов UMAP TSNE TSP, которые работали по матрицам
Теперь используется идеальное исчерпывающее построение эвклидовых расстояний используя библиотеку FAISS после чего он преобразуется в многомерный граф используя MST. Затем с помощью DFS, с просмотром на 2 ребра вперёд, многомерный граф разматывается в одномерную плоскость, самым коротким путём, после чего локальные шумы компенсируются оконной 2-opt функцией
в v2 была проблема с памятью и работой с сотнями тысяч точек, использовался алгоритм UMAP который делал всё в одном и быстро, но я не был доволен его работой
Мой текущий алгоритм ANN + MST + DFS + 2opt работает с размерами от 3 картинок до 1 000 000 картинок без проблем, текущий код протестирован на сортировке 250 тысяч картинок, при этом потребляет 15 гигабайт озу и вычисления занимают 40 минут*
Сложность линейная. 10000 картинок обрабатывает меньше чем за минуту*
*без учёта распознавания нейросети
Изменения: полная смена и удаление алгоритмов UMAP TSNE TSP, которые работали по матрицам
Теперь используется идеальное исчерпывающее построение эвклидовых расстояний используя библиотеку FAISS после чего он преобразуется в многомерный граф используя MST. Затем с помощью DFS, с просмотром на 2 ребра вперёд, многомерный граф разматывается в одномерную плоскость, самым коротким путём, после чего локальные шумы компенсируются оконной 2-opt функцией
в v2 была проблема с памятью и работой с сотнями тысяч точек, использовался алгоритм UMAP который делал всё в одном и быстро, но я не был доволен его работой
Мой текущий алгоритм ANN + MST + DFS + 2opt работает с размерами от 3 картинок до 1 000 000 картинок без проблем, текущий код протестирован на сортировке 250 тысяч картинок, при этом потребляет 15 гигабайт озу и вычисления занимают 40 минут*
Сложность линейная. 10000 картинок обрабатывает меньше чем за минуту*
*без учёта распознавания нейросети