BeKind!

导航

2020年9月12日 #

第二次作业：卷积神经网络 part 2

摘要： 1. 视频学习 链接 2.代码学习 GAN实现代码 CGAN and DCGAN 实现代码 阅读全文

posted @ 2020-09-12 19:04 BeKind! 阅读(110) 评论(0) 推荐(0)

2020年9月10日 #

CGAN and DCGAN 实现代码

摘要： CGAN 条件生成对抗网络，在生成器以及判别器上它都多了一个标签作为输入。 生成器的输入是噪声和标签，输出还是生成图；判别器的输入是生成图，真实图以及标签，输出还是真和假。 生成器：(784 + 10) ==> 512 ==> 256 ==> 1 判别器：(100 + 10) ==> 128 ==> 阅读全文

posted @ 2020-09-10 11:07 BeKind! 阅读(458) 评论(0) 推荐(0)

2020年9月9日 #

Generative Adversarial Networks 代码

摘要： GAN实现代码 数据集 ：double moon dataset import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_moons import torch # 使用GPU训练，可以在 阅读全文

posted @ 2020-09-09 15:45 BeKind! 阅读(271) 评论(0) 推荐(0)

2020年9月8日 #

生成式对抗网络基础学习总结

摘要： GAN的用途 1，图像着色 2，图像超像素 3，背景模糊 4，人脸生成 5，人脸定制 6，卡通图像生成 7，文本生成图像 8，字体变换 9，风格变换 10 ，图像修复 11，帧预测 GAN的类型 1，GAN 生成式对抗网络 2，cGAN 条件生成式对抗网络 3，DCGAN 深度卷积生成式对抗网络 4 阅读全文

posted @ 2020-09-08 16:33 BeKind! 阅读(255) 评论(0) 推荐(0)

2020年8月22日 #

第四周：卷积神经网络 part3

摘要： 循环神经网络 核心在于：上下文关系（时序） 其中f为上图绿色模块中的函数 传统RNN会遇到很多的问题，现在大部分都是使用改进的RNN 阅读全文

posted @ 2020-08-22 20:15 BeKind! 阅读(134) 评论(0) 推荐(0)

2020年8月15日 #

《语义分割中的自注意力机制和低秩重重建》

摘要： 《语义分割中的自注意力机制和低秩重重建》（李夏）（视频） 该视频一共分了5个步骤进行讲解，其中第一步是关于语义分割的介绍，第二第三步是关于其他学者的研究，第四步是作者自己的论文，第五步是关于研究语义分割的一些注意事项。 作者前期的经验对我们进行自己的工作有很大的帮助 阅读全文

posted @ 2020-08-15 21:36 BeKind! 阅读(261) 评论(0) 推荐(0)

SENet 实现

摘要： HybridSN中添加SENet #! wget http://www.ehu.eus/ccwintco/uploads/6/67/Indian_pines_corrected.mat #! wget http://www.ehu.eus/ccwintco/uploads/c/c4/Indian_p 阅读全文

posted @ 2020-08-15 21:35 BeKind! 阅读(338) 评论(0) 推荐(0)

第四周：卷积神经网络 part3

摘要： 代码练习： 完善HybridSN 高光谱分类网络 SENet 实现 视频学习： 《语义分割中的自注意力机制和低秩重重建》 《图像语义分割前沿进展》 阅读全文

posted @ 2020-08-15 21:30 BeKind! 阅读(138) 评论(0) 推荐(1)

完善HybridSN 高光谱分类网络

摘要： 代码 ! wget http://www.ehu.eus/ccwintco/uploads/6/67/Indian_pines_corrected.mat ! wget http://www.ehu.eus/ccwintco/uploads/c/c4/Indian_pines_gt.mat ! pi 阅读全文

posted @ 2020-08-15 21:26 BeKind! 阅读(292) 评论(0) 推荐(0)

2020年8月8日 #

第二次作业：卷积神经网络 part 2

摘要： ● 【第一部分】 问题总结 ● 【第二部分】 代码练习 MobileNetV1 import torch import torch.nn as nn import torch.nn.functional as F import torchvision import torchvision.trans 阅读全文

posted @ 2020-08-08 20:53 BeKind! 阅读(729) 评论(1) 推荐(0)

下一页