ICML 2018 深度学习论文及代码集锦(8)

最新推荐文章于 2022-12-04 10:44:52 发布
最新推荐文章于 2022-12-04 10:44:52 发布
阅读量304 收藏 1
点赞数
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/hestendelin/article/details/101546728
版权

[1] Geometry Score: A Method For Comparing Generative Adversarial Networks

Valentin Khrulkov, Ivan Oseledets

Skolkovo Institute of Science and Technology, Institute of Numerical Mathematics RAS

http://proceedings.mlr.press/v80/khrulkov18a/khrulkov18a.pdf

下面是原始数据和GAN生成的数据对比如下

640?wx_fmt=png

计算RLT的算法伪代码如下

640?wx_fmt=png

640?wx_fmt=png

其中RLT为relative living times。

计算几何相似度的算法伪代码如下

640?wx_fmt=png

不同数据集的平均RLT对比如下

640?wx_fmt=png

不同方法的几何得分对比如下

640?wx_fmt=png

代码地址

https://github.com/KhrulkovV/geometry-score

https://github.com/igul222/improved_wgan_training

https://github.com/carpedm20/DCGAN-tensorflow

https://github.com/hep-lbdl/CaloGAN

              smiley_12.png我是分割线smiley_12.png

[2] K-Beam Minimax: Efficient Optimization for Deep Adversarial Learning

Jihun Hamm, Yung-Kyun Noh

The Ohio State

最低0.47元/天 解锁文章
frank_hetest
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评价生成式模型的指标之Geometry Score
沉迷单车的追风少年
01-15 1242
前言：对于生成式模型来说，最大的问题之一是如何评价生成样本的质量和多样性，常用的指标有FID和IS，不过这两种指标有其局限性。本篇博客介绍另一种指标Geometry Score，并给出python代码和快速上手的实战。 论文地址：https://arxiv.org/abs/1802.02664 目录 原理简述 动手实战 原理简述 GANs的创始人提出过著名的流形假设(Manifold Hypothesis)，GS允许以随机方式比较两点云的底层流形的拓扑结构，提供一个分数来比较各种训练模型的质.
matlab实现傅里叶变换代码-prDeep:该软件包包含运行prDeep的代码；基于深度神经网络的噪声鲁棒相位检索算法
05-23
matlab实现傅里叶变换代码原始发行日期：2/28/18 参考＃1：“ prDeep：使用灵活的深度神经网络进行稳健的相位检索” 作者：克里斯托弗·梅斯勒（Christopher A. Metzler），菲利普·施尼特（Philip Schniter），阿肖克·维拉拉加文（Ashok Veeraraghavan），理查德·巴拉尼克（Richard G. Baraniuk） 问题/建议/意见： 主要内容 脚本： PR_demo.m：演示使用prDeep从噪声编码衍射和傅立叶测量中进行相位恢复。 职能： prDeep.m：prDeep的实现 HIO.m：HIO算法的基本实现 辅助功能： disambig2Drfft.m：无相2D傅立叶变换具有相位和转换歧义。 此功能解决了这些问题。 配套 该下载内容包括针对各种噪声水平的经过训练的DnCNN去噪器权重。 依存关系 D-AMP工具箱（）必须在您的路径上。 MatConvNet（）必须在您的路径上进行编译。 FASTA（）必须在您的路径上。 安装 MatConvNet必须先编译才能使用。
生成模型 评价指标 D-1，distinct-n
最新发布
qq_38148600的博客
12-04 990
理论为下 参考：ACL2022-MISC 网上没有的DISTINCT代码，我这里整了一份，可以参考一下
文本检测:EAST论文笔记
weixin_44784065的博客
03-17 813
文本识别:EAST论文笔记 前言 第一次写博客，发现自己看过论文后总是理解不深且过一段时间对一些概念就会模糊，所以打算以后对一些重要的内容进行记录。不仅能够加深自己的理解，日后翻看也比较方便。 本文仅对论文内容理解进行记录，包括自身的理解以及网上参考的内容，不包括代码的实现，如果其中有错误或有偏差的地方，还希望发现的朋友多多指正。日后如果复现了代码会再增加相关内容。 论文地址：https://ar...
ICML 2018 paper(oral)
qq_34848537的博客
10-08 5139
参考链接 icml 2018 oral Paperlist Optimal Tuning for Divide-and-conquer Kernel Ridge Regression with Massive Data Predict and Constrain: Modeling Cardinality in Deep Structured Prediction Transfer Learn...
cycada_release:ICML 2018论文随附的代码
05-07
Efros）和特雷弗·达雷尔（Trevor Darrell）} title = {CyCADA：周期一致的对抗域自适应}， booktitle = {国际机器学习会议（ICML）}， 年= 2018 } 设置 签出仓库（递归也将签出CycleGAN仓库的CyCADA分支）。 git ...
Sanjeev Arora在ICML2018上关于深度学习理论理解的PPT
07-10
普林斯顿大学Sanjeev Arora在ICML2018上关于深度学习理论理解的PPT
2016年深度学习论文合集
09-07
深度学习2016年ICML论文合集，经典中的经典，很多资源无法下载。
ICML2018论文GAIN补充材料
11-28
此论文是GAIN：Missing Data Imputation using Generative Adversarial Nets 的 Supplementary Materials，里面包括论文公式推导以及代码参数设置
ICML 2018强化学习tutorial: Imitation Learning
07-29
In this tutorial, we aim to present to researchers and industry practitioners a broad overview of imitation learning techniques and recent applications. Imitation learning is a powerful and practical ...
react-foodThesis：PR Deepa教授在我的论文项目中使用的代码
02-14
该项目是通过。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看。 如果进行编辑，页面将重新加载。 如果您遇到错误，请尝试通过运行以下命令首先取消HOst： unset HOST 您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行程序。 有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 最小化构建，文件名包含哈希。 您的应用已准备好进行部署！ 有关更多信息，请参见有关的部分。 npm run eject 注意：这是单向操作。 eject ，您将无法返回！ 如果您对构建工具和配置选择不满意，则可以随时eject 。 此命令将从项目中删除单个构建依赖项。 相反，它将所有配置
论文笔记：Regressing Robust and Discriminative 3DMM With a Very Deep Neural Network(CVPR2017)
thebestone1022的博客
11-19 382
文章网站：website 文章目录选择动机解决什么问题方法训练集生成方法 选择动机 其实这篇是在参考文献里扒拉出来的，但是让我最高兴的点是，这里面的方法和我自己实验是很相近的，从另一个方面证明自己的实验可行。 解决什么问题 首先，考虑这样一个问题：我们一般认为同一个目标人脸的重建结果应当一致。但是，基于目标人脸的多张不同场景下不同姿势的照片，重建出来的人脸彼此不一致，即具有不稳定性。 作者选择使用深度神经网络基于单张人脸图像，对3DMM中的形状和纹理系数进行回归的方式进行重建，同时解决了训练数据匮乏的问题.
DeepLearning（深度学习）原理与实现（四）
热门推荐
计算机视觉、机器学习朝拜者
05-09 1万+
今天就来讨论下deep learning怎么来处理real valued data。对于图像来说，二值图像毕竟是少数，更多的还是实值图像。对于这样的情况，RBM已经无法很好的处理它们，因此需要改进它，对于了解计算机视觉的人而言，想必高斯混合背景模型大家已不陌生，高斯混合模型可以很好的对实值图像建模，OpenCV中早就用高斯混合背景模型来分割物体。接下来要引出的高斯有限制玻尔兹曼机（Gaussian
SAGAN
m0_61985580的博客
08-11 905
SAGAN
深度图像配准_2020年“基于深度学习的医学影像配准”期刊论文速览（PR,TMI,MIA）...
weixin_34221330的博客
01-13 1080
针对基于深度学习的医学影像配准，检索了最新的（2020年）期刊论文，包含PR、TMI、MIA3个期刊，下面是浏览论文中的一些记录。 其中有两篇论文提供了代码。一、PRDeep morphological simplification network (MS-Net) for guided registration of brain magnetic resonance images（...
【论文回顾】Towards Evaluating the Robustness of Neural Networks
kynehc
01-11 716
paper notes: 1.this paper introduced three new attacks for L-0 L-2 L-infin distance metrics by defining different choices of objective function. Specifically, they are all based on the L-2 attack. 2...
ICML2018论文公布！一文了解机器学习最新热议论文和研究热点
weixin_33733810的博客
05-14 501
Differentiable Dynamic Programming for Structured Prediction and Attention 最热的就是这篇第一作者Arthur Mensch‏，来自法国Inria Parietal，也是scikit-learn 作者之一，论文关于结构性预测与注意力中的可微分动态编程。 作者重点指出：Sparsi...
生成式对抗网络（GAN）-（Generative Adversarial Networks）算法总结（从原始GAN到....目前）
weixin_44474718的博客
05-30 1万+
本文将按时间顺序总结gan的paper（非所有，会挑选个人认为比较重要的），并将参考其它博客（会给出链接），如有侵权，请私信删除。 ???? （2014.06-arXiv）GAN:Generative Adversarial Nets【论文原文】【参考文章】 ????contributions： 开山之作； 原理：生成网络和判别网络的互相对抗。生成网络尽可能生成逼真样本，判别网络则尽可能去判别该样本是真实样本，还是生成的假样本。 采用JS散度作为评判依据。 loss函数（原始gan损失函数的详细解释）：
[论文阅读笔记]Towards Evaluating the Robustness of Neural Networks(CW)
Invokar的博客
07-21 5703
Towards Evaluating the Robustness of Neural Networks(C&W)(2017 Best Student Paper) 文章简介： 证明defensive distillation不能显著地提高模型的鲁棒性 介绍了3种新的攻击算法，可以在distilled和undistilled神经网络达到100%的攻击成功率 本文的攻击相比于以前的攻击通常...
评论
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
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