算法
o0Helloworld0o
怕是要翻水水哦
展开
-
经典GAN网络结构
首先是Encoder部分 (N, 3, 256, 256)【Conv 3->64 7x7 s=1 fp=2】【IN + ReLU】 (N, 64, 256, 256)【Conv 64->128 3x3 s=2 p=1】【IN + ReLU】 (N, 128, 128, 128)【Conv 128->256 3x3 s=2 p=1】【IN + ReLU】 (N, 256, 64, 64)接下来是9个ResnetBlock...原创 2020-08-28 15:23:11 · 3723 阅读 · 0 评论 -
Diverse Image-to-Image Translation via Disentangled Representations(ECCV18)
3 Disentangled Representation for I2I Translationtwo visual domains:X∈RH×W×3\mathcal{X}\in\mathbb{R}^{H\times W\times 3}X∈RH×W×3,Y∈RH×W×3\mathcal{Y}\in\mathbb{R}^{H\times W\times 3}Y∈RH×W×3如Fig.3所示,整个framework包含content encoders {EXc,EYc}\left \{ E_\mat原创 2020-05-10 16:49:25 · 286 阅读 · 0 评论 -
Facial Action Unit Intensity Estimation via Semantic Correspondence Learning with Dynamic Graph Conv
Proposed MethodologyHeatmap Regression将预测AU intensity vector的问题转换为预测multiple AU heatmapsFig.2给出了每一个AU的central locationQ:每一个点都应该由68个landmarks通过某些规则计算得到的吧,文中没有仔细说明...原创 2020-04-29 21:05:12 · 1003 阅读 · 1 评论 -
Controllable Person Image Synthesis with Attribute-Decomposed GAN(CVPR20)
3. Method Descriptionframework中涉及到pose P∈R18×H×WP\in\mathbb{R}^{18\times H\times W}P∈R18×H×W表示为18通道的heatmap3.1. GeneratorGenerator的输入为source person image IsI_sIs和target pose PtP_tPt,输出为generated ...原创 2020-04-27 20:54:57 · 1101 阅读 · 1 评论 -
LADN: Local Adversarial Disentangling Network for Facial Makeup and De-Makeup(ICCV19)
3. LADN3.1. Problem Formulation定义domain,X⊂RH×W×3X\subset \mathbb{R}^{H\times W\times 3}X⊂RH×W×3为before-makeup faces,Y⊂RH×W×3Y\subset \mathbb{R}^{H\times W\times 3}Y⊂RH×W×3为after-makeup faces数据集包括{x...原创 2020-04-20 21:34:14 · 576 阅读 · 0 评论 -
BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial Network(ACMMM18)
3 OUR APPROACH: BEAUTYGANnon-makeup image domain A⊂RH×W×3A\subset \mathbb{R}^{H\times W\times 3}A⊂RH×W×3,makeup image domain B⊂RH×W×3B\subset \mathbb{R}^{H\times W\times 3}B⊂RH×W×3生成器(IsrcB,IrefA)=G...原创 2020-04-07 17:28:08 · 389 阅读 · 0 评论 -
PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer(CVPR20)
3. PSGAN3.1. Formulationsource image domain XXX, reference image domain YYY{xn}n=1,⋯ ,N,xn∈X\left \{ x^n \right \}_{n=1,\cdots,N}, x^n\in X{xn}n=1,⋯,N,xn∈X,{ym}m=1,⋯ ,M,ym∈Y\left \{ y^m \right \}_...原创 2020-04-01 20:43:59 · 1722 阅读 · 0 评论 -
Guided Image-to-Image Translation with Bi-Directional Feature Transformation(ICCV19)
不同于一般的image-to-image translation,本文主要针对带guided信息的image-to-image translation原创 2020-03-19 11:02:31 · 670 阅读 · 0 评论 -
TensorFlow Memo
multi-label使用的损失函数loss = tf.losses.sigmoid_cross_entropy(tensor_label, tensor_logit)原创 2020-03-16 14:28:18 · 105 阅读 · 0 评论 -
SinGAN: Learning a Generative Model from a Single Natural Image(ICCV19)
2. Method学习的目标是an unconditional generative model that captures the internal statistics of a single training image xxx不同于纹理生成(texture generation),本文针对的图像都是general natural images2.1. Multi-scale arch...原创 2020-01-03 15:32:14 · 355 阅读 · 0 评论 -
数组中的逆序对——分治法(归并排序的应用)
【题目描述】 输入一个数组,求数组中逆序对的总数【高效解法】 采用分治法,步骤上与归并排序一模一样 例{7, 5, 6, 4} {7}和{5}产生1个逆序对(7, 5),按从小到大合并为{5, 7} {6}和{4}产生1个逆序对(6, 4),按从小到大合并为{4, 6} 以{5, 7}和{4, 6}说明merge函数的流程【练习】 nowcoder 数组中的逆序对 注意事项:vect原创 2017-04-23 18:53:18 · 370 阅读 · 0 评论 -
丑数——空间换时间
题目描述 我们把只含有因子2、3和5的数称为丑数,规定1也是丑数,求第1500个丑数高效解法 数组S记录丑数,初始时只包含第1个丑数,即1 数组S2记录每个丑数的2倍 数组S3记录每个丑数的3倍 数组S5记录每个丑数的5倍 不断从S2、S3、S5中选择最小的丑数加入到S中,注意加入时需要考虑是否重复例如,构造前8个丑数的示意图如下所示 练习 nowcoder原创 2017-04-23 12:42:28 · 446 阅读 · 0 评论 -
第一个只出现一次的字符——map的使用
题目描述 在字符串中找出第一个只出现一次的字符高效解法 遍历整个字符串,利用map构造<key, value>对,统计字符的出现次数 再遍历整个字符串,找到第一个只出现一次的字符map的使用map<char, int> m;m['a'] = 1; // 插入key='a',value=1m.count( 'a' ); // 判断key='a'是否存在,返回0或1map的原理:红黑树练习原创 2017-04-23 15:46:12 · 327 阅读 · 0 评论 -
2路归并排序
【算法导论伪代码】 MERGE函数对两个子数组A[p…q]、A[q+1…r]进行合并 第3-9行,将两个子数组复制到L和R中,并在末尾添加一个∞元素作为哨兵,用于防止引用L[i]或R[j]时下标越界 第10-17行,依次从数组L和R中选择最小的元素,覆盖数组AMERGE-SORT需要递归调用自己 【时间复杂度】 最好、平均、最坏时间复杂度均为O(nlog2n)O(nlog_{2}n)原创 2017-01-31 10:56:52 · 186 阅读 · 0 评论 -
CART
划分MM个单元R1,R2,...,RMR_1, R_2, ..., R_M原创 2017-04-13 18:49:17 · 407 阅读 · 0 评论