目录视图
摘要视图
订阅
What
CNN应用于无监督学习。将这种CNN称为DCGANs
1.提出和评估了DCGANs 有一些结构上的限制，让他可以stable的去训练。
2.利用图像分类任务训练的discriminator，证明了他们有无监督学习的潜力。（这是迁移学习？）
证明了他们的adversarial pair学习到了一个 hierarchy of representations 从物体的部分到整个场景...
这是Ian Goodfellow大神的2014年的paper，最近很火，一直没看，留的坑。
中文应该叫做对抗网络
What：
同时驯良两个模型：一个生成模型G（获得数据分布），一个区分模型D（预测输入是真实的，还是G中产生的）
G的训练目标就是最大化D犯错误的可能，这样G这个生成模型就越厉害。
这个框架很像两个人在玩游戏。
整个系统里只用了bp，没有马尔可夫链或者其他推理的神经...
这篇paper存了好久，一直没有看。今天补了
What:
看了这个youtube视频就可以感受到了。视频上做Artist Style十分酷炫！
https://www.youtube.com/watch?v=Khuj4ASldmU
看前的问题：
我自己写过单帧的Artist Style （https://github.com/layumi/2016_Artist_St...
What：
auto encoder的升级版
显式的 最大化当投影到同一空间时views之间的联系 （这里的view指的是图像，声音这种不同的输入源）
比如视频分类任务中就想把声音结合进去。
Formally Define这个任务是：
我们有一组数据Z，每个Z是由特征X，和特征Y concat起来的 （比如X来自视频的图像，Y来自视频的音频）
1.首先 h1(X) 和 h...
阅读小结：CNN Image Retrieval Learns from BoW:Unsupervised Fine-Tuning with Hard Example：CNN Image Retrie
What:
图像检索的一篇文章，
由于数据集的问题，ft以后在Holiday上 VGGNET 82.5
在Oxford 5k上结果（cropi） VGGNET 79.1
How：
提出了了一个无监督收集的数据集
主要讲了收集的策略。...
其实用plot都可以搞定。
plot(imp(:,1),imp(:,2),'ro'); %最后的‘ro’，r是代表红色，o是代表画圈。画圈的话可以提供多个点的坐标，我这里用的就是向量的形式。
plot(imp(1:2,1),imp(1:2,2)); %划线 提供两个xy坐标，然后plot默认就会划线
plot(imp(3:5,1),imp(3:5,2));
plot(imp(6...
