阅读小结：Unsupervised Representation with Deep Convolutional Generative Adversarial Networks

最新推荐文章于 2024-07-30 11:21:27 发布
最新推荐文章于 2024-07-30 11:21:27 发布
阅读量2.8k 收藏 5
点赞数 1
分类专栏： 论文阅读 文章标签： 对抗网络 深度学习 神经网络 GAN
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：https://blog.csdn.net/Layumi1993/article/details/52335585
版权

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 


以下G代表 generator D代表discriminator

How

1.model上使用了4个策略：

a.使用全卷积网络，代替pooling。可以让网络去学习upsampling／downsampling的方式（使用在G和D上）

b.作者发现average pooling增加了net的稳定性但减慢了收敛速度。在D中最后一层conv结果fc，然后使用了sigmoid。

c.用batchnormalization ，有助于pool initialisation和深的网络中传递梯度。防止G把所有rand input都掉到一个局部极值。（G的输出层不用，D的输入层不用，其他都用）

d.G中除了输出使用Tanh，其他都用 ReLu  ; D中都用Leaky ReLu


关于G的实验：

1.输入有窗的图片给G

然后去除响应值高的filter，发现G会用电视啊墙啊来替代窗。

2.可以对输入算一个平均

比如 生成男人的平均vector A 和生成女人的平均 vector B  还有生成 戴墨镜的女人的平均vector C    

观察到了 C－B＋A ＝ 生成了戴墨镜的男人    （这个很合理，也很屌啊）


我写邮件给luke二作，他给我回的邮件如下


Layumi1993
关注
专栏目录
论文翻译：Unsupervised Representation Learning with Long-Term Dynamics for Skeleton Based Action Recognit
com_fang_bean的博客
07-25 751
摘要 近年来，基于骨骼的动作识别正成为一个越来越有吸引力的替代现有的视频替代方法，得益于其强大和全面的3D信息。在本文中，我们首次探索了一种无监督表示学习方法来获取骨骼序列的长期全局运动动力学。在对抗训练策略的指导下，我们设计了一个有条件的绘画架构来学习固定维度的表示。我们在三个行之有效的动作识别数据集上定量地评估了我们的学习方法的有效性。实验结果表明，我们的学习表示对分类动作具有鉴别性，能显著减少序列内画错误。 介绍 动作识别作为计算机视觉的一个重要分支，在智能视频监控、机器人视觉、人机交...
论文笔记：unsupervised representation learning with deep convolutional generative adversarial networks
Joker's Time
10-18 2606
1. previous work [generative adversarial nets] paper link: http://arxiv.org/pdf/1406.2661v1.pdf  torch implementation: https://github.com/soumith/dcgan.torch  a. motivation: supervised
DCGAN：Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
qq_42192910的博客
02-24 635
Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks Paper:https://arxiv.org/pdf/1511.06434v2.pdf Code:https://github.com/znxlwm/tensorflow-MNIST-GAN-DCGAN Tips...
【论文共读】【翻译】【DCGAN】UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL
最新发布
comedate的专栏
07-30 561
近年来，使用卷积网络 （CNN） 的监督学习在计算机视觉应用中得到了大量采用。相比之下，使用CNN的无监督学习受到的关注较少。在这项工作中，我们希望帮助弥合CNN在监督学习和无监督学习方面的成功之间的差距。我们介绍了一类称为深度卷积生成对抗网络 （DCGAN） 的 CNN，它们具有一定的架构约束，并证明它们是无监督学习的有力候选者。在各种图像数据集上进行训练，我们展示了令人信服的证据，证明我们的深度卷积对抗对在生成器和鉴别器中学习了从对象部分到场景的表示层次结构。
论文笔记之：UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS...
a1424262219的博客
10-15 700
UNSUPERVISEDREPRESENTATIONLEARNINGWITHDEEPCONVOLUTIONALGENERATIVEADVERSARIALNETWORKS ICLR 2016 　　摘要：近年来 CNN 在监督学习领域的巨大成功 和 无监督学习领域的无人问津形成了鲜明的对比，本文旨在链接上这两者之间的缺口。提出了一种 deep convol...
DCGAN:Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks论文
linchunmian的博客
04-20 601
本文提出了一种叫做深度卷积生成对抗网络的CNN，它具有一定的结构约束，展示了其在非监督学习方向上强有力的候选方案。通过在各种各样的图像数据集的训练，我们展示了令人信服的证据，我们的深度卷积对抗对（adversarial pair）从对象到场景在生成模型和判别模型上都能够学习到层级的表示。此外，我们在一些的新的任务上使用学习到的特征表明它们一般的图像表示上具有通用性。模型方法全卷积网络（Spring...
[论文笔记]：UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS
sinat_38059712的博客
03-23 2679
UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS论文翻译摘要1. 介绍2. 网络结构3. 训练4. 实验5. 结论内容总结 论文地址： 代码地址： 补充材料： 论文翻译 摘要 1. 介绍 2. 网络结构 3. 训练 4. 实验 5. 结论 内容总结 参考...
2020年的国际会议ICML在哪里举行？Unsupervised representation learning with deep convolutional generative adversarial networks发表在哪里？
06-11
而Unsupervised representation learning with deep convolutional generative adversarial networks这篇论文是发表在2016年的国际会议ICLR（International Conference on Learning Representations）上的。
【GANs】Deep Convolution Generative Adversarial Network
m0_57411450的博客
09-27 391
深度卷积神经网络（Deep Convolution Generative Adversarial Nets）的生成网络在DCGAN中，判别网络是一个传统的深度卷积神经网络，但使用了带步长的卷积来实现下采样操作，不用maxpoolingmaxpoolingmaxpooling操作；生成网络使用了一个特殊的深度卷积网络来实现。如上图，使用微步卷积来生成64×6464×6464×64大小的图像。第一层是全连接层，输入是从均匀分布中随机采样的100维向量zzz。
Deep Convolution Generative Adversarial Networks 源码
08-13
# Deep Convolution Generative ...This example implements the paper [Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks](http://arxiv.org/abs/1511.06434)
GAN系列：论文阅读 & 代码阅读——DCGAN(Deep Convolutional Generative Adversarial Networks)
lynlindasy的博客
03-15 1086
DCGAN也是GAN领域内比较经典的内容，涉及到了GAN网络结构上的很多改变，所以结合代码看了看论文。 论文：UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS 在上一篇论文Generative Adversarial Networks中，主要学习的是GAN的原...
DCGAN（Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks ）
zz2230633069的博客
03-04 335
指出了许多对于GAN这种不稳定学习方式重要的架构设计和针对CNN这种网络的特定经验。在广泛的模型探索之后，我们确认了一类结构族，即在一些列的数据集上可以稳定的训练，并且允许训练更高的分辨率、更深的生成模型。 核心是采用并修改4个最近提出的对GAN架构的改进： 1.全卷积网络 消除池化层，使用步幅卷积替换，容许网络学习自己的空间下/下采样（spatial downsampling）。 2.消...
Unsupervised Representation Learning With Deep Convolutional Generative Adversarial Networks(DCGAN)
励志的小胡子
05-14 3026
Abstract(摘要) 近年来，使用卷积网络(CNN)的监督学习已经在计算机视觉应用中得到了广泛的应用，相比之下，CNN的无监督学习受到的关注较少。在这项工作中，我们希望弥补CNNs在有监督学习和无监督学习方面的成功之间的差距。我们引入了一类称为深度卷积生成对抗网络(DCGAN)的CNN，它具有某种结构约束，并说明了他是一个有力的无监督候选方法。在各种图像数据集的训练中，我们展示了令人信服的证...
论文笔记——UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS
粉红豹的妖精洞
05-17 3680
首先给出2篇参考译文 https://ask.julyedu.com/question/7681  http://blog.csdn.net/c2a2o2/article/details/54408056 GANs的学习系列8 本人的阅读笔记 1引言 从大规模无标签的数据集中学习可重复使用的特征表达是一个具有活力的研究领域。通过无穷的无标签图像来学习一种好的中间表达（good int
Unsupervisd Reprsentation Learning With Deep Convolutional Generative Adversarial Networks 阅读笔记
isinstance的博客
03-07 3782
Unsupervisd Reprsentation Learning With Deep Convolutional Generative Adversarial Networks 阅读笔记
生成对抗网络学习笔记5----DCGAN（unsupervised representation learning with deep convolutional generative adv）的实现
热门推荐
I am what i am
07-05 5万+
首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址——以下，开始正文。2017/12/12 更新 解决训练不收敛的问题。更新在最后面部分。1、DCGAN的简单总结稳定的深度卷积GAN 架构指南: 所有的pooling层使用步幅卷积(判别网络)和微步幅度卷积(生成网络)进行替换。 在生成网络和判别网络上使用批处理规范化。 对于更深的架构移除全连接隐藏层。 在生成网络的所有层上使用RelU激活函
论文阅读 (33): Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Net
因吉的博客
11-13 3943
论文题目：Unsupervised representation learning with deep convolutional generative adversarial networks   Torch地址：https://github.com/pytorch/examples/tree/master/dcgan   摘要：近年来，基于卷积神经网络 (CNN) 的监督学习广泛应用于计算机视觉领域。然，无监督CNN却鲜有关注。本文希冀在无监督学习和有监督学习之间建立CNN桥梁，并引入深度卷积生成对抗
DCGAN《Unsupervised representation learning with deep convolutional generative adversarial network》总结
yzqlyzql的博客
08-02 608
DCGAN来源论文《Unsupervised representation learning with deep convolutional generative adversarial networks》读后总结前言文章主要内容与贡献提出了深层卷积生成对抗网络(Deep Convolutional Generative Adversarial Nets, DCGAN)DCGAN属于无监督学习，但...
Unsupervised Rrpresentation Learning with Deep Convolutional Generative Adversarial Networks
xiaomiguan的博客
12-21 869
Recently, I am reading some papers relating to unsupervised representation and convolutional network. The aim to write the blog is just to batter understand it. If there are misunderstandings or wrong
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Layumi1993

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值