2017年11月_c2a2o2

转载计算机顶级会议Rankings && 英文投稿的一点经验

英文投稿的一点经验【转载】From： http://chl033.woku.com/article/2893317.html1. 首先一定要注意杂志的发表范围, 超出范围的千万别投,要不就是浪费时间;另外，每个杂志都有他们的具体格式要求，一定要按照他们的要求把论文写好，免得浪费时间，前些时候，我的一个同事向一个著名的英文杂志投稿，由于格式问题，人家过两个星期就退回来了，而且说了

2017-11-29 21:51:43 4511

转载用VTK实现CT图片的三维重建过程

1．读取数据首先，读取切片数据，并将其转换为我们的开发工具VTK所支持的一种数据表达形式。我们给CT数据建立的是比较抽象的等值面模型，最后将物理组件与抽象的模型结合在一起来建立对CT 数据的可视化，以帮助用户正确理解数据。利用VTK中的vtkDICOMImageReader 我们可以很方便的读取切片数据，读取数据的代码如下所示：reader = vtkDICOMImageRe

2017-11-29 20:20:36 18203 5

转载 GeneGAN: Learning Object Transfiguration and Attribute Subspace from Unpaired Data

本文的工作属于图像到图像间的翻译。类似于 DiscoGAN、CycleGAN 和 DualGAN，作者通过对偶学习，加上弱监督信息（weak 0/1 label），成功实现图像属性的迁移。G 采用 autoencoder 结构，encoder 将图像编码成图像主体信息（如：图像背景和人脸 ID 等）和属性信息（如：微笑、戴眼镜、发型等），decoder 则类似于 CGAN，将图像主体信息和属性信息

2017-11-27 09:05:25 1040

转载如何用DiscoGAN学习发现跨域关系（附源代码）

DiscoGAN“用生成对抗网络（GANs）学习发现跨域关系”PyTorch官方实现论文地址：https://arxiv.org/pdf/1703.05192.pdf需要安装：Python 2.7PyTorchNumpy/Scipy/PandasProgressbarOpenCV训练

2017-11-26 21:14:16 1750

转载 GAN眼中的图像翻译（附神奇歌单）

这是一篇总结文，总结我看过的几篇用GAN做图像翻译的文章的“套路”。首先，什么是图像翻译？为了说清楚这个问题，下面我给出一个不严谨的形式化定义。我们先来看两个概念。第一个概念是图像内容(content) ，它是图像的固有内容，是区分不同图像的依据。第二个概念是图像域(domain)，域内的图像可以认为是图像内容被赋予了某些相同的属性。举个例子，我们看到一张猫的图片，图像内容就是那

2017-11-26 21:11:35 292

转载生成对抗网络（GAN）应用于图像分类

近年来，深度学习技术被广泛应用于各类数据处理任务中，比如图像、语音和文本。而生成对抗网络（GAN）和强化学习（RL）已经成为了深度学习框架中的两颗“明珠”。强化学习主要用于决策问题，主要的应用就是游戏，比如deepmind团队的AlphaGo。因为我的研究方向是图像的有监督分类问题，故本文主要讲解生成对抗网络及其在分类问题方面的应用。生成对抗网络框架　　生成对抗网络（Generat

2017-11-26 21:08:37 11314 3

转载基于 MTCNN/TensorFlow 实现人脸检测

人脸检测方法有许多，比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。对于opencv的人脸检测方法，有点是简单，快速；存在的问题是人脸检测效果不好。正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现场应用。对于dlib人脸检测方法，效果好于opencv的方法，但是检测力度也难以达到现场应用标准。

2017-11-25 17:43:16 3281 1

转载比CycleGAN更强的非监督GAN----DistanceGAN

总说对于非监督domain mapping, 要学习的是数据集A到数据集B的一种映射。即GAB可以将A的一个样例映射到B中的一个相似物。人来采用dual learning，提出了训练两个模型，GAB和GBA。使得x（x是A的一个样例）经过GAB,再经过GBA仍旧与x尽量相似，当然对于y是一个B的样例，也有类似。这种思想有2017年出了N篇论文。主要有：DiscoGAN[1], D

2017-11-25 17:40:36 2494

转载 DeepCut及DeeperCut：基于Tensorflow的人体姿态估计

人体姿态估计是机器视觉的一个重要分支，在行为识别、人机交互、游戏、动画等领域有着很广阔的应用前景，是计算机视觉领域中一个既具有研究价值、同时又极具挑战性的热门课题。本篇主要对http://pose.mpi-inf.mpg.de/#deepcut，即MPII数据集中benchmark比较高的模型进行实验。主要是DeeperCut这篇文章。从上面网站上的前几行文

2017-11-25 17:37:26 1754 1

转载 pix2pix tensorflow试验（GAN之图像转图像的操作）

GAN是一种典型的概率生成模型，其核心思想是：找出给定观测数据内部的统计规律，并且能够基于所得到的概率分布模型，产生全新的，与观测数据类似的数据。概率生成模型可以用于自然图像的生成。假设给定1000万张图片之后，生成模型可以自动学习到其内部分布，能够解释给定的训练图片，并同时生成新的图片。与庞大的真实数据相比，概率生成模型的参数个数要远远小于数据的数量。因此，在

2017-11-25 17:21:45 889

转载 CoGAN 和 SeGAN

CoGAN 和 SeGANLancer 2017.4.1IMT Lab in XMU这篇博文会是我对日常读过的比较有意思的文章的一个小结。更多的像导读/知识点小回顾，没有精力写太多技术细节，若对文章感兴趣，我对每篇文章都会附上arxiv链接，欢迎交流讨论。我的新浪微博：lancerlian 其他的联系方式自己挖掘哈！文章列表【2017.03.

2017-11-24 10:10:46 898

转载将 TensorFlow 移植到 Android手机，实现物体识别、行人检测和图像风格迁移详细教程

2017/02/23 更新贴一个TensorFlow 2017开发者大会的Mobile专题演讲移动和嵌入式TensorFlow这里面有重点讲到本文介绍的三个例子，以及其他的移动和嵌入式方面的TF相关问题，干货很多2017/01/17 更新今天上 Github，发现 Tensorflow 的 android demo又更新了，除了基本的修改以外，又增加了一

2017-11-24 09:39:45 825

转载度学习实践：如何使用Tensorflow实现快速风格迁移？

一、风格迁移简介风格迁移（Style Transfer）是深度学习众多应用中非常有趣的一种，如图，我们可以使用这种方法把一张图片的风格“迁移”到另一张图片上：然而，原始的风格迁移（点击查看论文）的速度是非常慢的。在GPU上，生成一张图片都需要10分钟左右，而如果只使用CPU而不使用GPU运行程序，甚至需要几个小时。这个时间还会随着图片尺寸的增大而迅速增大。这其中的原

2017-11-24 09:23:57 671

转载 Microsoft COCO 数据集

篇博客主要以介绍MS COCO数据集为目标，分为3个部分：COCO介绍，数据集分类和COCO展示。本人主要下载了其2014年版本的数据，一共有20G左右的图片和500M左右的标签文件。标签文件标记了每个segmentation的像素精确位置+bounding box的精确坐标，其精度均为小数点后两位。一个目标的标签示意如下： {"segmentation":[[392.87, 2

2017-11-24 09:23:11 883

转载目标检测“Perceptual Generative Adversarial Networks for Small Object Detection”

解决小目标检测问题的一般方法：提高输入图像的分辨率，会增加运算量；多尺度特征表示，结果不可控。方法提出论文使用感知生成式对抗网络（Perceptual GAN）提高小物体检测率，generator将小物体的poor表示转换成super-resolved的表示，discriminator与generator以竞争的方式分辨特征。Perceptual GAN挖掘不同尺度物体间的结构关联，提

2017-11-24 09:21:14 1834 1

转载场景解析--Pyramid Scene Parsing Network

Pyramid Scene Parsing Network CVPR2017 语义分割 https://github.com/hszhao/PSPNet针对 FCN 中没有 context 信息，本文提出的 PSPNet 网络嵌入了比 global average pooling更好的 global context 信息来提升分割效果2 Related Work

2017-11-23 21:59:09 1267

转载深度学习中的图像的灰度值相关概念：图像灰度值灰度值与像素值的关系

图像灰度值的概念是什么？灰度也可以认为是亮度，简单说就是色彩的深浅程度。实际上在我们的日常生活中，通过三原色色彩深浅的组合，可以组成各种不同的颜色。产品能够展现的灰度数量越多，也就意味着这款产品的色彩表现力更加丰富，能够实现更强的色彩层次。例如三原色16级灰度，能显示的颜色就是16×16×16=4096色。不过目前的产品256级灰度已经非常地普遍了。　所谓颜色或灰

2017-11-23 21:48:05 1916

转载 Adversarial Discriminative Domain Adaption 阅读笔记

文章发表于 CVPR 2017文章利用GAN网络的思想用于cross-domain识别文章首先提到 1 先前的生成网络不适用于大的domain shift 2 先前的辨别网络施加固定的权重，没有利用GAN的loss1 introduction 一般而言，对于这种跨领域的任务，最简单的思想就是先训练source

2017-11-23 21:45:37 1045

转载 Domain adaptation：连接机器学习（Machine Learning）与迁移学习（Transfer Learning）

domain adaptation（域适配）是一个连接机器学习（machine learning）与迁移学习（transfer learning）的新领域。这一问题的提出在于从原始问题（对应一个 source data distribution）学习到的模型能够很好地适应一个与之相不同的目标问题（对应一个 target data distribution）。比如垃圾邮件过滤问题（spam filt

2017-11-23 21:43:12 3773

转载基于深度学习和迁移学习的识花实践

深度学习是人工智能领域近年来最火热的话题之一，但是对于个人来说，以往想要玩转深度学习除了要具备高超的编程技巧，还需要有海量的数据和强劲的硬件。不过 TensorFlow 和 Keras 等框架的出现大大降低了编程的复杂度，而迁移学习的思想也允许我们利用现有的模型加上少量数据和训练时间，取得不俗的效果。这篇文章将示范如何利用迁移学习训练一个能从图片中分类不同种类的花的模型，它在五种花中能达到

2017-11-23 17:29:12 7410 7

转载人脸识别迁移学习的应用

首先通过 1000 人 2 亿张结构化数据对人脸识别进行多标签多任务深度学习，深度模型能够很好的学习到人脸的光线、角度、表情、遮挡等对人脸识别的影响，得到人脸识别基础模型。在基础模型的基础上，云从科技研究院通过迁移学习，加入 1000 万人，10 亿张人脸这个量级的具有人脸ID 信息的训练数据进行深度学习模型参数的迁移学习，算法模型在已经基本具备怎么识别人脸的基础上进一步加大网

2017-11-23 17:23:32 3943

转载人脸妆容迁移---研究和思考

引自：http://blog.csdn.net/trent1985/article/details/70226779引自：http://blog.csdn.net/jsgaobiao/article/details/51439869对于人像美妆算法，现在的美妆相机、玩美彩妆之类的app已经做的比较成熟了，但是具体算法，基本网络上是杳无可查，今天本人介绍一种自动的人像美妆算法----

2017-11-23 17:18:57 2695 2

转载 TensorFlow实现基于深度学习的图像补全

第一步：将图像理解为一个概率分布的样本你是怎样补全缺失信息的呢？但是怎样着手统计呢？这些都是图像啊。那么我们怎样补全图像？第二步：快速生成假图像在未知概率分布情况下，学习生成新样本[ML-Heavy] 生成对抗网络(Generative Adversarial Net, GAN) 的架构使用G(z)生成

2017-11-23 15:35:17 1069

转载用numpy做图像处理

在python中进行图像处理，我们有三个好工具：OpenCV, SciKit-Image 和 Pillow。但是在本文中，为了理解一些简单图像处理技术的基础，我们将使用numpy。所以这也是练习numpy的良好教程。涵盖知识：图像读取与裁剪，通道分离，颜色变换（爱因斯坦求和约定），动态gif生成，灰阶转换图像卷积，图像分割（大津二值，KMeans像素聚类），图像矢量化（轮廓提取，内边缘判

2017-11-23 11:50:36 3841

转载 Face Model Compression by Distilling Knowledge from Neurons 论文理解

引入一. 背景为保证人脸识别技术的精度要求，需要大而复杂的单个或者组合的深度神经网络实现。该技术欲迁移至移动终端与嵌入式设备中。二. 解决方法运用模型压缩技术，用小的网络去拟合大量数据。大型 teacher network的知识作为监督，训练一个小而紧凑的student network，运用到了 domain knowledge。模型蒸馏技术一. 《Distilling t

2017-11-23 10:04:47 2022 1

转载 GAN网络生成:感知损失(Perceptual Losses)

本文是参考文献[1]的笔记。该论文是Li Fei-Fei名下的论文。引入最近新出的图像风格转换算法，虽然效果好，但对于每一张要生成的图片，都需要初始化，然后保持CNN的参数不变，反向传播更新图像，得到最后的结果。性能问题堪忧。但是图像风格转换算法的成功，在生成图像领域，产生了一个非常重要的idea，那就是可以将卷积神经网络提取出的feature，作为目标函数的一部分，通过比

2017-11-22 11:36:38 4208

转载 TensorFlow高效读取数据的方法

概述最新上传的mcnn中有完整的数据读写示例，可以参考。关于Tensorflow读取数据，官网给出了三种方法：供给数据(Feeding)：在TensorFlow程序运行的每一步，让Python代码来供给数据。从文件读取数据：在TensorFlow图的起始，让一个输入管线从文件中读取数据。预加载数据：在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数

2017-11-16 15:06:44 337

转载手把手教你写一个生成对抗网络

成对抗网络代码全解析, 详细代码解析(TensorFlow, numpy, matplotlib, scipy)今天我们接着上一讲“#9 生成对抗网络101 终极入门与通俗解析”，手把手教你写一个生成对抗网络。参考代码是：https://github.com/AYLIEN/gan-intro关键python库: TensorFlow, numpy, matplotlib,

2017-11-15 21:52:47 11854 1

转载还记得Wasserstein GAN吗？

ICML 2017 仍然在悉尼火热进行中，Facebook 研究院今天也发文介绍了自己的 ICML 论文。Facebook有9篇论文被 ICML 2017接收，这些论文的主题包括语言建模、优化和图像的无监督学习；另外 Facebook 还会共同参与组织 Video Games and Machine Learning Workshop。曾掀起研究热潮的 Wasserstein GAN

2017-11-15 10:12:35 735

转载收敛速度更快更稳定的Wasserstein GAN(WGAN)

生成对抗网络（GANs）是一种很有力的生成模型，它解决生成建模问题的方式就像在两个对抗式网络中进行比赛：给出一些噪声源，生成器网络能够产生合成的数据，鉴别器网络在真实数据和生成器的输出中进行鉴别。GAN能够产生十分生动的样例，但是很难训练。尽管最近大量的研究工作都投入到了寻找能让GAN稳定训练的方法上，但GAN的持续稳定训练成了依然是一个公开的问题。概要最近提出的Wasserstein GAN

2017-11-15 10:01:40 2817

转载不要怂，就是GAN (生成式对抗网络) （六）：Wasserstein GAN（WGAN） TensorFlow 代码

先来梳理一下我们之前所写的代码，原始的生成对抗网络，所要优化的目标函数为：此目标函数可以分为两部分来看：①固定生成器 G，优化判别器 D，则上式可以写成如下形式：可以转化为最小化形式：我们编写的代码中，d_loss_real = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logi

2017-11-15 09:49:12 2292

转载用GAN来做图像生成，这是最好的方法

在我们之前的文章中，我们学习了如何构造一个简单的 GAN 来生成 MNIST 手写图片。对于图像问题，卷积神经网络相比于简单地全连接的神经网络更具优势，因此，我们这一节我们将继续深入 GAN，通过融合卷积神经网络来对我们的 GAN 进行改进，实现一个深度卷积 GAN。如果还没有亲手实践过 GAN 的小伙伴可以先去学习一下上一篇专栏：生成对抗网络（GAN）之 MNIST 数据生成。专栏中

2017-11-14 22:09:28 44745 23

转载生成对抗网络学习笔记4----GAN（Generative Adversarial Nets）的实现

首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址 2、参考博客2：地址——以下，开始正文。1、GAN的简单总结见上一篇博客。2、利用GAN生成1维正态分布首先，我们创建“真实”数据分布，一个简单的高斯分布，均值为4，标准差为0.5,。还有一个样本函数，返回分布中给定数量的样本（按值排序过）。class DataDistribut

2017-11-14 22:03:41 2302

转载机器学习专业名词中英文对照

otheractivation 激活值 activation function 激活函数 additive noise 加性噪声 autoencoder 自编码器 Autoencoders 自编码算法 average firing rate 平均激活率 average sum-of-squares error 均方差 backpropagation 后向传播

2017-11-14 21:58:45 7461

转载生成对抗网络学习笔记5----DCGAN（unsupervised representation learning with deep convolutional generative adv）的实现

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。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

2017-11-14 21:55:56 2628

转载 DCGAN及其TensorFlow源码

上一节我们提到G和D由多层感知机定义。深度学习中对图像处理应用最好的模型是CNN，那么如何把CNN与GAN结合？DCGAN是这方面最好的尝试之一。源码：https://github.com/Newmu/dcgan_code 。DCGAN论文作者用theano实现的，他还放上了其他人实现的版本，本文主要讨论tensorflow版本。 TensorFlow版本的源码：https://github.

2017-11-14 17:21:22 915 1

转载 DCGAN论文笔记+源码解析

论文地址：UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS源码地址：DCGAN in TensorFlowDCGAN，Deep Convolutional Generative Adversarial Networks是生成对抗网络（Generat

2017-11-14 17:08:39 1889

转载 CycleGAN的原理与实验详解

CycleGAN是在今年三月底放在arxiv（地址：[1703.10593] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks）的一篇文章，同一时期还有两篇非常类似的DualGAN和DiscoGAN，简单来说，它们的功能就是：自动将某一类图片转换成另外一类图片。作者在论文中也举

2017-11-13 17:14:36 9535 3

转载举个卡戴珊的例子，讲讲Hinton的Capsule是怎么回事 | 教程+代码

apsule Networks，或者说CapsNet，这个名字你应该已经听过好几次了。这是“深度学习之父”的Geoffrey Hinton近几年一直在探索的领域，被视为突破性的新概念。最近，关于Capsule的论文终于公布了。一篇即将发表于NIPS 2017：Dynamic Routing Between Capsules作者：Sara Sabour, Nichol

2017-11-13 16:28:02 483

转载浅析 Hinton 最近提出的 Capsule 计划

这有可能也是知乎上面分析介绍深度学习最为全面的文章之一。希望做物理的，做数学的，做生物的，做化学的，做计算机，包括做科幻的都能看的很开心。Hinton 以“深度学习之父” 和 “神经网络先驱” 闻名于世，其对深度学习及神经网络的诸多核心算法和结构（包括“深度学习”这个名称本身，反向传播算法，受限玻尔兹曼机，深度置信网络，对比散度算法，ReLU激活单元，Dropout防止过拟合，以及深度学习

2017-11-13 16:26:28 777

ffmpeg-4.2.1-win64-win10-然后pip就好

dlib安装 dlib-19.19.0-cp38-cp38-win_amd64.whl.whl

dlib-19.17.99-cp37-cp37m-win_amd64.whl

coreseek-4

空空如也