2019年10月18日
threshold
摘要： import osimport cv2def threshold(img, thresh=128, maxval=255, type=cv2.THRESH_BINARY): if len(img.shape) == 3: img = cv2.cvtColor(img, cv2.COLOR_BGR2G 阅读全文
posted @ 2019-10-18 11:07 cheatingdeath 阅读(353) 评论(0) 推荐(0)
2019年10月16日
gan7
摘要： 文献阅读:To learn image super-resolution, use a GAN to learn how to do image degradation first 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：h 阅读全文
posted @ 2019-10-16 11:51 cheatingdeath 阅读(324) 评论(0) 推荐(0)
2019年10月15日
gan6
摘要： Free-Form Image Inpainting with Gated Convolution 转：https://zhuanlan.zhihu.com/p/82514925 转：https://zhuanlan.zhihu.com/p/82514925 转：https://zhuanlan.z 阅读全文
posted @ 2019-10-15 11:23 cheatingdeath 阅读(394) 评论(0) 推荐(0)
gan5
摘要： Image Inpainting for Irregular Holes Using Partial Convolutions 翻译 利用部分卷积对不规则孔进行图像修复 (google翻译，有些许不准确的地方，可评论指出) 摘要 现有的基于深度学习的图像修补方法在损坏的图像上使用标准卷积网络，使用卷 阅读全文
posted @ 2019-10-15 10:26 cheatingdeath 阅读(592) 评论(0) 推荐(0)
gan4
摘要： 一张照片被挖了一个“洞”。 不好不好，这可是限量版24k纯金足球纪念勋章挂坠的唯一存世照片，要是没了，就只能飞8个航班越过54座山丘穿越25000公里拿出我逆光也清晰的R213重新拍一张了…… 还是请出AI修图匠，试试能不能把我的纯金勋章还给我。 第一位修图师傅，PartialConv，来自家里有G 阅读全文
posted @ 2019-10-15 10:25 cheatingdeath 阅读(294) 评论(0) 推荐(0)
GAN3
摘要： 转载 GAN阶段性小结(损失函数、收敛性分析、训练技巧、应用“高分辨率、domain2domain”、研究方向) 对于GAN的研究已经有了一段时间，有以下感觉： 1.感觉赶了一个晚班车，新思路很难找到了，再往下研究就需要很深入了 2.在图像领域已经有了大量的工作，效果很不错；而在自然语言领域，目前来 阅读全文
posted @ 2019-10-15 10:19 cheatingdeath 阅读(616) 评论(0) 推荐(0)
2019年10月11日
转hog
摘要： 转自 一文讲解方向梯度直方图（hog） 目录： 特征描述符 方向梯度直方图(hog) 图像预处理 计算梯度图 计算梯度直方图 Block 归一化 计算HOG特征向量 代码实现 一、特征描述符 特征描述符就是通过提取图像的有用信息，并且丢弃无关信息来简化图像的表示。 HOG特征描述符可以将3通道的彩色 阅读全文
posted @ 2019-10-11 10:52 cheatingdeath 阅读(262) 评论(0) 推荐(0)
sift
摘要： 转自知乎 前言 提到传统目标识别，就不得不提SIFT算法，Scale-invariant feature transform，中文含义就是尺度不变特征变换。此方法由David Lowe于1999年发表于ICCV(International Conference on Computer Vision) 阅读全文
posted @ 2019-10-11 10:48 cheatingdeath 阅读(875) 评论(0) 推荐(0)
2019年9月29日
gan2
摘要： 在GAN发展的最初几年里，我们取得了令人瞩目的进展。当然，现在不会是像恐怖电影里那样有邮票大小的面部照片了。2017年，Gan制作了1024×1024张能愚弄人才童子军的照片。在未来几年，我们可能会看到GAN生成的高质量视频，由此衍生的商业应用程序即将来临。作为GAN系列的一部分，我们研究了一些很酷 阅读全文
posted @ 2019-09-29 11:01 cheatingdeath 阅读(600) 评论(0) 推荐(0)
gan1
摘要： Paper: DCGAN: Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks WGAN: Wasserstein GAN WGAN-GP: Improved Tra 阅读全文
posted @ 2019-09-29 10:03 cheatingdeath 阅读(640) 评论(1) 推荐(0)