Deep Generative Model

最新推荐文章于 2023-09-21 20:51:01 发布
最新推荐文章于 2023-09-21 20:51:01 发布
阅读量488 收藏
点赞数
分类专栏： Machine Learning 文章标签： 机器学习
转载或使用请注明出处( cvblog.top )
本文链接：https://blog.csdn.net/li_k_y/article/details/104228941
版权

from：https://www.youtube.com/watch?v=8zomhgKrsmQ&list=PLJV_el3uVTsPy9oCRY30oBPNLCo89yu49&index=27

PixelRNN

把逐个像素放入网络中，output为下一个像素

Variational Autoencoder(VAE)

这里要同时Minimize reconstruction error和 

为什么要使用VAE而不直接用auto-encoder呢？

从直觉上来说，VAE相当于在中间的code上加了noise

只minimize 它们的 reconstruction error是不行的

因为对于噪声，其中𝜎是通过encoder自己学到的，且没有任何限制，variance就可能会趋向于0，那VAE和auto-encoder没什么区别了。加入\sum _{i=1}^3{(exp(\sigma _i) - (1+\sigma _i) +(m_i)^2)}其实是对variance的限制。

如图，其中蓝线是exp(𝜎)，红线是（1+𝜎），绿线是两者之差。可以看到 minimize 这一项，得到的 𝜎 最小值为0，此时variance 为1。(m_i)^2可以看作是正则项。

 

GAN

 

likyoo
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
A Deep Generative Model for Molecule Optimization via One FragmentModification 1 【整体理解】
简单记录生活、学习
12-15 517
A Deep Generative Model for Molecule Optimization via One FragmentModification
论文：A Deep Generative Model for Molecule Optimization via One FragmentModification
m0_47163076的博客
02-25 2486
A Deep Generative Model for Molecule Optimization via One FragmentModification 利用变分自编码器的生成模型 训练：输入两个对比的分子，生成断点，需要删除增加的片段 生成：从隐向量空间中采样 z , 和Mx一起计算出断点，和需要删除或添加的片段。 We first quantified the difference between Mx and My using the optimal graph edit distance bet
deep generative model
最新发布
与神共舞
09-21 84
https://towardsdatascience.com/understanding-variational-autoencoders-vaes-f70510919f73
A Deep Generative Model for Trajectory Modeling and Utilization
小蚂蚁与大象
02-26 96
(2)道路知识编码模块(图4 (c))用于编码道路边缘属性，引入固有的路径规划特征，增强轨迹前缀编码(3)轨迹前缀编码模块(图4 (a)的一部分)用于编码轨迹前缀，旨在从高维轨迹前缀中提取长期时空依赖。(4)元生成器模块(图4 (d))用于轨迹路径边及其行程时间生成，旨在有效支持倾斜轨迹数据上的轨迹建模与生成。受交通路网上规则轨迹分布的启发，本文提出用深度生成模型对轨迹数据进行秘密建模，并利用该模型为下游任务生成有代表性的轨迹或直接支持这些任务(如流行度排名)，而不是获取和处理原始的大轨迹数据。
Deep Generative Model for Image Inpainting with Local Binary Pattern Learning and Spatial Attention
临近边缘
06-07 371
Deep Generative Model for Image Inpainting with Local Binary Pattern Learning and Spatial Attention_IEEE MultiMedia_2021IntroductionRelated workLBPMethodLBP Learning NetworkImage Inpainting NetworkSpatial Attention LayerExperimentAblation Introduction   网络
2020李宏毅学习笔记——45.Unsupervised learning Deep Generative Model(Part I)
weixin_44554337的博客
07-09 270
Deep Generative Model-part 1：深度生成模型-part 1 1.Generative Models 就是致力于让机器自主学习的一些方法，比较有名的有下面几种： PixelRNN Variational Autoencoder(VAE) Generative Adversarial Network(GAN) 什么意思呢？ 现在的机器学习是能够区分猫狗的不同了，但是，机器还是不能准确地画一只猫出来，所以我们现在就generate 一个模型出来。 2.Pixel RNN Pixel R
机器学习：无监督学习之deep generative model
uncle_ll的博客
04-06 306
无监督学习之深度学习生成模型
【论文笔记】2019-WWW-Multiple Treatment Effect Estimation using Deep Generative Model with Task Embedding
qq_43517800的博客
11-01 967
背景 这篇文章考虑了一个新的causal inference设定：treatment不是简单的二元变量{0,1}\left\{0,1\right\}{0,1}，而是二元变量的组合{0,1}k\left\{0,1\right\}^k{0,1}k。这个设定也比较好理解，还用医生治病的例子来说，通常医生使用的是多种药的组合。如果总共涉及到三种药物，而病人使用了第一种和第三种，则对应的k=3k=3k=3，treatment就是[1,0,1][1,0,1][1,0,1]。 挑战 这个设定的挑战在于如何设计针对多个tr
【点云压缩】Lossless Coding of Point Cloud Geometry using a Deep Generative Model
For Infinite
06-01 716
Lossless Coding of Point Cloud Geometry using a Deep Generative Model
遥感图像变化检测数据集
热门推荐
likyoo的博客
02-29 1万+
1.武汉多时相场景变化检测数据集 (MtS-WH) Multi-temp Scene Wuhan(MtS-WH) 数据集主要用于进行场景变化检测的方法理论研究与验证。场景变化检测就是在场景语义的层次上，对一定范围区域的土地利用属性变化情况进行检测和分析。 本数据集主要包括两张由IKONOS传感器获得的VHR图像，大小为7200 x 6000的大尺寸高分辨率遥感影像。覆盖范围为中国武汉市汉阳区...
DOTA: A Large-scale Dataset for Object Detection in Aerial Images 翻译
likyoo的博客
02-07 4708
DOTA：用于航空图像中目标检测的大规模数据集 原文：https://arxiv.org/pdf/1711.10398.pdf 官网：https://captain-whu.github.io/DOTA/ dataset：https://captain-whu.github.io/DOTA/dataset.html Abstract 对象检测是计算机视觉中一个重要且具有挑战性的问题。 尽...
Fully convolutional siamese networks for change detection
likyoo的博客
03-18 3984
arXiv:1810.08462v1 [cs.CV] 19 Oct 2018 论文地址： ABSTRACT 提出三种全卷积的结构用于已配准的图像对的变化检测，可检测RGB和多光谱的图像。从头的监督训练，比related systems 快500倍。 1. INTRODUCTION ...
Change Detection Based on Deep Siamese Convolutional Network for Optical Aerial Images
likyoo的博客
03-14 2417
论文地址：https://sci-hub.ren/10.1109/lgrs.2017.2738149 Abstract 提出了一种基于深度孪生卷积网络的新型有监督变化检测方法，用于光学航空图像。 我们使用加权对比损失训练孪生卷积网络。 该方法的新颖之处在于，可以学习孪生网络以直接从图像对中提取特征。 与传统的变化检测方法使用的手工特征相比，提取的特征更加抽象和强大。 此外，由于加权对比损...
Urban change detection for multispectral earth observation using convolution neural network
likyoo的博客
03-11 1634
Urban change detection for multispectral earth observation using convolution neural network arXiv:1810.08468v1 [cs.CV] 19 Oct 2018 论文地址：https://arxiv.org/abs/1810.08468 ABSTRACT 本文探讨了使用CNN对多光...
如何在Jupyter Notebook切换conda环境
likyoo的博客
01-11 1584
1. 在你的jupyter notebook环境安装nb_conda_kernels conda install -n notebook_env nb_conda_kernels 2. 如果你用的python，在你要导入的conda环境下安装ipykernel conda install -n python_env ipykernel 3. 如果你用的R，则 conda inst...
cs231n assignment2 FullyConnectedNets
likyoo的博客
02-03 1398
Affine layer: foward import time import numpy as np import matplotlib.pyplot as plt from cs231n_2.classifiers.fc_net import * from cs231n_2.data_utils import get_CIFAR10_data from cs231n_2.gradient_...
如何使用jupyter notebook
likyoo的博客
10-23 1343
最近学习时用到了jupyter notebook，这里简单说一下jupyter notebook的基础用法。 首先打开cmd，安装 jupyter pip install jupyter   下载完成后。键入jupyter notebook执行。   之后他会自动打开一个端口，并打开你的浏览器。 界面如下 选择index.ipynb，进入引导页面。 然后可以如图新建文件...
pytorch tensor创建
likyoo的博客
01-13 1213
create tensor 1. torch.tensor()：从data创建tensor data可以是list,numpy；dtype默认与data一致。 2. torch.from_numpy(ndarray)：从numpy创建tensor 这里创建的tensor与原ndarray共享内存，一个改变另一个就会改变。 3. torch.zeros()：依size创建全0张量 ...
Gradient Descent (二)
likyoo的博客
11-10 1015
我们做Gradient Descent 需要注意什么呢？ Tuning your learning rates η的大小控制不好，会造成很多问题： 如果η太小，我们w的移动速度太慢，而且会对数据量有一定要求 而如果太大了呢，w会一直在未走到最低点之前震荡，而无法走到最低点 甚至是这样： 我们可以把参数的update和Loss值做一个曲线： 那有什么办法可以...
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