图像去雨GAN网络学习
HenryFanQAQ
这个作者很懒,什么都没留下…
展开
-
用jupyter notebook跑cycleGAN的步骤
跑cycleGAN的步骤在 anaconda 中使用 conda create -n tensorflow python=3.7 创建 tensorflow 虚拟环境;安装tensorflowgpu==2.1.0安装交互环境(ipykernel) conda install ipykernel激活 tensorflow 虚拟环境, activate tensorflow;将虚拟环境 tensorflow 写入到 Notebook 的 kernel 中: python -m i原创 2021-03-21 21:57:53 · 322 阅读 · 0 评论 -
cycle GAN简单介绍
cycle GAN此GAN适用于非配对图像到图像的转化,风格迁移p2pGAN必须要成对的数据进行训练,现实生活中比较难找原理:获取一个数据集的特征,并转化为另一个数据集的特征,实际的目标就是学习从X到Y的映射,我们设这个映射为F,F对应GAN的生成器,F可以将X中的图片x转化为Y中的图片F(x),对于生成的图片,我们需要用判别器判别它是否为真实雨图像。那么会出现一个问题:如果我们采用传统生成对抗网络单独LOSS,我们得到的结果就会成为一张图片, 而不是想要的图像,损失会无效化。即:映射F完全可以将原创 2021-03-09 09:46:34 · 1127 阅读 · 0 评论 -
cycleGAN出现的错误
cycleGAN出现错误1.第三方库 tensorflow_addons==0.9.12.conda install tensorflow -gpu =2.1.0(2.1.0的版本用不了addons)把所有版本都改成2.1.0然后安装scipy版本为1.4.1原创 2020-10-23 16:07:22 · 435 阅读 · 0 评论 -
dll文件动态链接库错误
如果Anaconda3\DLLs下的libssl-1_1-x64.dll文件和Anaconda3\Library\bin下的libssl-1_1-x64.dll的日期和大小都不一样,应该把DLLs里的libssl-1_1-x64.dll文件复制粘贴到bin里。建议先把这两个文件给备份下,如果弄错,Anaconda只能重新装了...原创 2020-10-23 15:05:40 · 408 阅读 · 0 评论 -
GAN学习历程(3)
网络整体模型:面向所有GANinputsgeneratordiscriminatelossoptimizertraintest原创 2020-10-22 19:33:26 · 186 阅读 · 0 评论 -
GAN学习历程(2)
DCGAN (Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks)对卷积神经网络的结构做了一些改变,以提高样本的质量和收敛的速度。取消所有pooling G中使用反卷积上采样 D中用加入stride卷积 代替 pooling去掉FC层 全卷积网络G用ReLU,最后一层用tanhD使用LReLU在G和D上都是用batchnorm:解决初始化差的问题;帮助梯度传播到原创 2020-10-20 16:18:35 · 116 阅读 · 0 评论 -
GAN网络学习历程(1)
**简单GAN网络以手写数字数据集为例注:使用 jupyter notebook编写,与pycharm代码有所不同tensorflow-GPU=2.0.0**import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layersimport matplotlib.pyplot as plt%matplotlib inlineimport numpy as npimport globi原创 2020-10-20 16:15:22 · 435 阅读 · 1 评论 -
Image De-raining Using a Conditional Generative Adversarial Network
第一篇有关本方向的GAN网络文章很经典引入CGAN去执行一个附加的约束,derain图像必须更加接近ground-truth提出了GAN的对抗LOSS和新型的LOSS函数生成器子网络利用密集连接网络(dense network)鉴别器是利用全局和局部信息来判断图像的真伪。contribution不需要post-processing的一个传统的条件GAN;专门为单幅图像去雨设计的密集连接生成器;多尺度鉴别器; leverage both local and global informati原创 2020-12-15 11:32:56 · 625 阅读 · 0 评论