摘要：
第二次作业：卷积神经网络 part 2 生成式对抗网络简介 生成式对抗网络的应用 图像着色、图像超像素、背景模糊、人脸生成、人脸定制、卡通图像生成、文本生成图片、字体变换、分格变换、图像修复、帧预测 生成式对抗网络及其衍生网络 生成式对抗网络 GAN:生成式对抗网络通过对抗训练，间接计算出散度(JS 阅读全文
摘要：
第四周：卷积神经网络 part3 1.绪论 1.1 循环神经网络的应用 语言问答、机器翻译、股票预测、作词机、作诗、模板写论文、模板写代码、图像理解、视觉问答 1.2 循环神经网络VS卷积神经网络 传统神经网络，卷积神经网络，输入和输出之间是相互独立的 RNN可以更好的处理具有时序关系的任务 RNN 阅读全文
摘要：
第三次作业：卷积神经网络 part 3 代码部分 HybridSN 高光谱分类 对原来代码进行修改后，在模型训练时加入net.train()，在测试时加入net.eval()，模型测试时稳定。model.train() 在训练模型时会在前面加上，而model.eval()在测试模型时在前面使用同时发 阅读全文
摘要：
第二次作业：卷积神经网络 part 2 MobileNet V1 MobileNets模型基于深度可分解的卷积，它可以将标准卷积分解成一个深度卷积和一个点卷积(1 × 1卷积核)。深度卷积将每个卷积核应用到每一个通道，而1 × 1卷积用来组合通道卷积的输出。这种分解可以有效减少计算量，降低模型大小。 阅读全文
摘要：
第二次作业 1.第一部分(视频笔记) 1.1自编码的种类： 正则自编码器(应用是使提取的特征表达式符合某种性质) 稀疏自编码器(提取稀疏特征表达) 去噪自编码器(提取鲁棒特征表达) 变分自编码器(是非监督生成模型与对抗生成网络相关，通过编码得到隐层特征表达空间Z，再通过解码生成样本) 1.2深度网络 阅读全文
摘要：
第一次作业：深度学习基础 1. 图像处理基本练习 展示不同通道上的图像 # 展示三通道图像 plt.subplot(121) plt.imshow(colony[:,:,:]) plt.title('3-channel image') plt.axis('off') # 展示只有一个通道的图像 pl 阅读全文
摘要：
为什么读研呢，其实是希望在读研期间能够抛开其他琐碎的事情，不断增长知识以及提高认知与思维能力。至于选择计算机视觉专业是因为本科时对计算机视觉有过粗浅的探索，对这个专业还是比较感兴趣的。毕业后还是会从事计算机行业的工作，因为相对于其他行业，对计算机有着更深的了解与认知。最后希望通过这门课程，使自己不仅 阅读全文