随笔分类 -  深度学习

神经机器翻译-NMT
摘要：论文： Neural Machine Translation by Jointly Learning to Align and Translate 提出背景： 机器翻译又称为自动翻译，是利用计算机将一种自然语言(源语言)转换成另外一种自然(目标语言)语言的过程，本质问题是如何实现两种不同语言之间的等 阅读全文
posted @ 2019-06-17 16:55 蒙古小铁驴 阅读(3907) 评论(0) 推荐(0)
风格迁移学习三
摘要：论文： Instance Normalization: The Missing Ingredient for Fast Stylization 提出背景： 在论文《Image style transfer using convolutional neural networks》中提出了风格迁移算法， 阅读全文
posted @ 2019-06-13 01:33 蒙古小铁驴 阅读(537) 评论(0) 推荐(0)
风格迁移学习二
摘要：论文： Perceptual Losses for Real-Time Style Transfer and Super-Resolution Perceptual Losses for Real-Time Style Transfer and Super-Resolution: Supplemen 阅读全文
posted @ 2019-06-13 01:22 蒙古小铁驴 阅读(523) 评论(0) 推荐(0)
风格迁移学习一
摘要：论文： Image Style Transfer Using Convolutional Neural Networks 提出背景： 作者认为前人所研究的风格迁移问题，是基于从源图像中重新采样该图像的风格像素的分布，从而生成一个新的类似于源图像的风格像素分布，加到目标图像中，而该目标图像中保留下来的 阅读全文
posted @ 2019-06-13 01:06 蒙古小铁驴 阅读(1089) 评论(0) 推荐(0)
生成对抗网络GAN
摘要：简介： 前面学到的网络比如CNN、RNN这些都是基于有监督式的学习，训练模型时我们需要输入样本和对应的label，给定损失函数，利用网络来学习数据的模式和特征。那么我们就不禁提出一个想法，有没有一种网络，对于给定的输入，且输入的数据无指定label，通过一个网络对这些数据进行学习，自动得出损失函数， 阅读全文
posted @ 2019-05-31 00:05 蒙古小铁驴 阅读(816) 评论(0) 推荐(0)
基于CNN的图像检测算法
摘要：目前，基于深度学习算法的一系列目标检测算法大致可以分为两大流派： 两步走(two-stage)算法：先产生候选区域然后进行CNN分类 R-CNN系列 R-CNN详解 Fast R-CNN详解 Faster R-CNN详解 一步走(one-stage)算法：直接对输入图像应用算法并输出类别和相应的定位 阅读全文
posted @ 2019-05-30 10:22 蒙古小铁驴 阅读(1279) 评论(0) 推荐(0)
深度学习网络架构(三):VGG
摘要：本文是对VGG模型的介绍和详解，引用了其他博主的文章，仅供个人学习。 简介：这篇文章是以比赛为目的——解决ImageNet中的1000类图像分类和定位问题。在此过程中，作者做了六组实验，对应6个不同的网络模型，这六个网络深度逐渐递增的同时，也有各自的特点。实验表明最后两组，即深度最深的两组16和19 阅读全文
posted @ 2019-05-30 00:59 蒙古小铁驴 阅读(3209) 评论(0) 推荐(0)
深度学习网络架构(二):AlexNet
摘要：简介:Alex在2012年提出的Alex网络模型结构将深度学习神经网络推上了热潮,并获得了当年的图像识别大赛冠军,使得CNN网络成为图像分类的核心算法模型. 论文链接:ImageNet Classification with Deep Convolutional Neural Networks(20 阅读全文
posted @ 2019-05-29 10:40 蒙古小铁驴 阅读(636) 评论(0) 推荐(0)