08 2020 档案

【论文阅读笔记】《StarGAN》
摘要：论文：《StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation》 发表时间：CVPR 2018 解决问题：多领域的图像转换问题 背景 Pix2Pix与CycleGAN分别 阅读全文
posted @ 2020-08-19 14:46 司念 阅读(874) 评论(0) 推荐(0)
【数据分析入门】泰坦尼克号生存率预测（一）
摘要：数据加载 首先在Kaggle上找到对应的竞赛页面，报名参赛下载数据，可以得到了一个train.csv和test.csv文件。 当然，如果你的电脑上已经安装了kaggle的包，当然也可以使用命令行直接下载： kaggle competitions download -c titanic 接着载入数据， 阅读全文
posted @ 2020-08-19 00:14 司念 阅读(1058) 评论(0) 推荐(0)
【DLPytorch】Optimizer（一）
摘要：前言 损失函数通常被称作优化问题的目标函数（objective function），是一个基于训练数据集的损失函数，优化的目标在于降低训练误差。依据惯例，优化算法通常只考虑最小化目标函数。其实，任何最大化问题都可以很容易地转化为最小化问题，只需令目标函数的相反数为新的目标函数即可。 为了求得最小化目 阅读全文
posted @ 2020-08-18 16:44 司念 阅读(334) 评论(0) 推荐(0)
【论文阅读笔记】《Pix2Pix》
摘要：论文：《Image-to-Image Translation with Conditional Adversarial Networks》 发表日期：2017 CVPR 前言 pix2pix是cGAN的一个变体，能够实现从图像到图像的映射，在从标签映射合成照片、从边缘映射重建对象、图片上色等多类人物 阅读全文
posted @ 2020-08-17 15:03 司念 阅读(1549) 评论(0) 推荐(0)
【论文阅读笔记】《DCGAN》
摘要：论文：《UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS》 发表日期：ICLR 2016 前言 这几年CNNs在计算机视觉应用的监督学习方面的应用广泛，而在非监督学 阅读全文
posted @ 2020-08-15 18:56 司念 阅读(3168) 评论(0) 推荐(0)
【论文阅读笔记】《Conditional Generative Adversarial Nets》
摘要：论文：《Conditional Generative Adversarial Nets》 年份：2014年 引言 原始的GAN过于自由，训练会很容易失去方向，导致不稳定且效果差。比如说GAN生成MNIST数字的过程，虽然可以生成数字，但生成的结果是随机的（因为是根据输入的随机噪声生成的图片），没有办 阅读全文
posted @ 2020-08-11 17:05 司念 阅读(1356) 评论(0) 推荐(0)
【论文阅读笔记】Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks
摘要：摘要 GAN的训练需要图片是两两匹配的，这样经过训练后，生成器可以逐步生成一张让判别期无法判断真伪的图片。但实际上会碰到一些非匹配的图片，于是就提出了非匹配的图片转换(Unpaired image-to-image)，一种在没有成对例子的情况下学习将图像从源域X转换到目标域Y的方法。使得 \[ x 阅读全文
posted @ 2020-08-07 13:59 司念 阅读(1632) 评论(0) 推荐(0)