12 2019 档案

Python爪巴虫
摘要：from bs4 import BeautifulSoup from urllib.request import urlopen import re html = urlopen("https://morvanzhou.github.io/static/scraping/table.html").r 阅读全文
posted @ 2019-12-29 16:55 Junzhao 阅读(209) 评论(0) 推荐(0)
医疗图像数据处理
摘要：.nii import numpy as np import nibabel as nib # 3.0.0 nibimage=nib.load('test.nii') imagedata=nibimage.get_fdata() npimage=np.array(imagedata) >>>npim 阅读全文
posted @ 2019-12-25 16:21 Junzhao 阅读(325) 评论(0) 推荐(0)
GAN Evaluation
摘要：How to evaluate your generator? 拿一个pretrained Classifier（VGG、Inception Net···） 1. 对Generator的单独输出进行分类 要求：结果突出，分类明确（Sharp） 2. 对Generator的众多输出进行分类并且平均 要 阅读全文
posted @ 2019-12-12 16:44 Junzhao 阅读(165) 评论(0) 推荐(0)
GAN 模态过渡
摘要：短发和长发过渡 现在我们有两个Image Domain X（短发）Y（长发） pretrained GAN由随机向量生成图像，向量的各个维度代表着Image的各个特征 如果我们知道某（些）维度代表头发长短，通过调整这（些）维度，就可以调整头发的长短 因此我们需要对Images进行解码 Generat 阅读全文
posted @ 2019-12-12 10:47 Junzhao 阅读(292) 评论(0) 推荐(0)
Cycle GAN
摘要：Cycle GAN 针对GAN中容易出现的Mode Collapse问题，即Generator趋向于集中在目标分布中某一小部分，比如无视输入，均得到一系列相似却能够骗过Discriminator的输出。 Mode Collapse问题的解决方法： 1. Do Nothing 通常来说Generato 阅读全文
posted @ 2019-12-11 16:46 Junzhao 阅读(937) 评论(0) 推荐(0)
Domain-adversarial training
摘要：feature extractor需要骗过Domain classifier且满足label predictor Input：黑白手写数字 Classifier：彩色手写数字 从而使得feature extractor拥有提取两个Domain共有的特征 阅读全文
posted @ 2019-12-11 10:34 Junzhao 阅读(1207) 评论(0) 推荐(0)
Triple GAN
摘要：Triple GAN is semi-supervised 阅读全文
posted @ 2019-12-10 20:39 Junzhao 阅读(599) 评论(0) 推荐(0)
BiGAN
摘要： 阅读全文
posted @ 2019-12-10 20:38 Junzhao 阅读(335) 评论(0) 推荐(0)
VAE-GAN
摘要：用Decoder充当Generator 在用real images训练单独的VAE时，VAE通常会输出较为模糊的images， 而Discriminator的作用就是使VAE的输出more realistic 可以设 Discriminator为可辨别三种类型image 阅读全文
posted @ 2019-12-10 20:04 Junzhao 阅读(549) 评论(0) 推荐(0)
InfoGAN
摘要：用C(Class)去限制输入，并且该限制能够被Classifier从外观上辨别， 因此C成为X在外观上的Constrain，通过调整C的特定维度就可以改变X的某个特征 Generator和Classifier组成一个低-高-低的‘Auto-Encoder’ 阅读全文
posted @ 2019-12-10 19:46 Junzhao 阅读(307) 评论(0) 推荐(0)
Maximum Likelihood Estimation 最大似然估计
摘要：有目标分布Pdata(x)，可以从中sample出一些样本{x1, x2, x3,···xm} PG(x; θ)由参数θ控制，调整θ使得PG(x; θ)接近Pdata(x) Pdata(x)为目标images，PG(x; θ)为Generator生成的images 这样我们就可以从PG(x; θ)中 阅读全文
posted @ 2019-12-09 16:13 Junzhao 阅读(270) 评论(0) 推荐(0)