百度飞桨PaddlePaddle论文复现训练营——U-GAT-IT 论文复现心得

最新推荐文章于 2021-08-07 20:40:00 发布
最新推荐文章于 2021-08-07 20:40:00 发布
阅读量644 收藏 1
点赞数
分类专栏： GAN 文章标签： 百度 GAN 对抗神经网络 人工智能 paddlepaddle
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/qq_42067550/article/details/108188444
版权

项目背景

复现心得

在这次复现之前，笔者仅仅接触过 PaddlePaddle 的框架，有过一些基础知识的学习。对于 Pytorch 完全没有接触，仅仅知道 Pytorch 由于其简单易用性，深受研究者的青睐。这次是第一次接触 Pytorch，整个复现过程走下来确实深有感触，Paddle 的框架还需要继续努力才能追赶上 Pytorch 的易用性啊！不过在中美关系紧张的大背景下，说不定哪一天 Pytorch 和 Tensorflow 都用不了了，所以我认为掌握 Paddle 的使用，在国内还是非常有必要的！

由于有 Ai Studio 的平台免费算力，和百度详细的课程作为基础，才使得我有机会实践深度学习的各种前沿应用，所以我算是个百度 Paddle 的铁杆粉丝了。之前在课程里面很多前辈都呼吁国内的开源生态建设，想要更多的人加入进来。初来乍到的时候，看各种大佬们发的项目和写的开源分享，觉得还是挺望尘莫及的，觉得自己能做的好像很少啊～。

直到这次复现经历，改变了我的想法，其实一个框架的完善是一个永不结束的工程，需要更多的人不断尝试，不断使用，在过程中提出 issue，提出改进的思路，有时候增加一个个小小的函数方法可能会给很多人带来便利。相信以后想要为开源社区做贡献可以有更多的思路了～。

填坑记录

先记录各种坑，下次回顾解决方案

  • Paddle 中目前没有 Pytorch 的 Transform 模块，需要自己写
  • 读取数据的方式不同，要先弄清楚 reader 的工作原理，一开始不容易理解
  • 图片读取的时候是 CHW 还是 HWC
  • 卷积层的输入为 NCHW，读入的数据是否匹配
  • 读入数据的 type 要匹配网络的需求
  • 传入网络前先要把数据转成网络可以认得的 tensor
  • Paddle 中没有计算方差的模块，需要另写
  • spectral norm 模块需要另写
  • 读入参数的 shape 和 Pytorch 不同
  • 图片的数据是 RGB 还是 BGR 需要注意
  • 模型参数保存方式
AItrust
关注
专栏目录
PaddlePaddle论文复现：U-GAT-IT论文阅读笔记
Ghost_Valley的博客
08-06 534
PaddlePaddle论文复现：U-GAT-IT论文阅读笔记论文的任务以及创新点模型介绍模型结构损失函数AdaLIN 笔者想提高深度学习的代码功底，参与了AIStudio举办的论文复现课程。这次论文复现的主题是GAN和视频分类两个方向。本文要介绍的是GAN方向的论文U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Trans
飞桨PaddlePaddle论文复现营-U-GAT-IT论文解读
Steven_mask的博客
08-06 623
飞桨PaddlePaddle论文复现营-U-GAT-IT论文解读 U-GAT-IT U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation 将自适应实例归一化层应用于无监督生成注意网络的图像到图像转换 code（代码） ： https://github.com/taki0112/UGATIT（tensorfl
百度飞桨PaddlePaddle论文复现营论文阅读之 Large scale GAN training for high fidelity natural image synthesis
xh0516的博客
08-07 226
百度飞桨PaddlePaddle论文复现营论文阅读之 Large scale GAN training for high fidelity natural image synthesis 这篇论文带来了史上最佳的GAN生成图片，提升Inception Score 100分以上。 生成图像建模的研究虽然取得了很大进展，从复杂数据集例如 ImageNet 中生成高分辨率、多样性的样本仍然是很大的挑战。为此，这篇文章的研究团队尝试在最大规模的数据集中训练生成对抗网络，并研究在这种规模的训练下的不稳定性。研究者发
百度飞桨顶会论文复现营论文阅读——GAN方向
DL_GIS
08-07 574
最近参加百度飞桨顶会论文复现营论文阅读，对《First Order Motion Model for Image Animation》比较感兴趣，因此记录下阅读心得及后续的复现过程。 个人水平有限，如有错误，望不吝指正。 后续会根据复现过程增强和修正内容 目录 论文任务： 模型框架： 评价指标： 应用场景： 相关阅读： 论文任务： 给定图片，动作视频，将图片按中作视频中的动作进行动画化（image animation） 创新点： 不需要源图片的先验信息和标签信息 ...
我的跟着百度中科院大咖用飞桨paddlepaddle复现顶会论文之路
u012813109的博客
08-06 413
疫情期间去不了学校，科研任务也没有那么大，一次在公众号里看到了百度的课程，亲身体验过之后真的是非常良心的课程，而且还是免费，无论是课程中认真负责的班主任，还是什么bug都能帮你解决的助教。论文复现营是我参加的第二门课程了，我的第一门课程是深度学习七日入门疫情特辑，在这门课程里我完成了很多有意思的小项目，包括车牌分类，手势识别，人流密度检测等等非常有意思的小实践，重要的是我将这些结合C++做成了APP，期望下一步我可以将这些部署到移动端。由于在第一门课程中我收获巨大，所以看到这次百度飞桨的第二次...
组队瓜分百万奖金池，资深算法工程师带你挑战飞桨论文复现赛！
PaddlePaddle
08-07 427
点击左上方蓝字关注我们你是否正在焦虑找不到好的论文？好不容易找到了paper，无法复现出code？缺少科研同行交流，只能独自一人闭门造车？是的，论文复现是要想最快的学习和了解AI领域的方式...
飞桨论文复现之U-GAT-IT
jerryelliott的博客
08-06 1037
U-GAT-IT 这是一篇对U-GAT-IT论文的个人解读U-GAT-IT， 飞桨论文复现课程 ABSTRACT 提出了一种新的无监督图像到图像转换方法,它以端到端的方式结合了新的注意力模块和新的可学习的归一化功能.注意模块引导模型基于辅助分类器获得的关注图来关注区分源域和目标域的更重要区域.与先前基于注意力的方法不同，这些方法无法处理域之间的几何变化，新提出的模型可以转换存在大幅度变化的图像.此外,新的AdaLIN（自适应图层实例标准化）功能可帮助注意力引导模型根据数据集通过学习参数灵活地控制形状和纹理的
【PaddlePaddle论文复现】U-GAT-IT: 基于GAN的新型无监督图像转换
HJQ0802的博客
08-06 724
U-GAT-IT: 基于GAN的新型无监督图像转换 论文题目：U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation（2019-7-25） 文章主要解决： 无监督的图像转换的问题，当两个域的图像的纹理和形状差别很大时，现有的一些经典模型(CycleGAN、UNIT、MUNIT、DRIT等)效果不佳，不能很好的
【PaddlePaddle飞桨复现论文】—— selfie2anime：人像卡通化 U-GAT-IT 数据集下载（不需梯子，可直接下载）
KF_Guan的博客
08-07 2601
U-GAT-IT 在论文中公布了新创建的selfie2anime数据集，但需要梯子才能下载，在这里为了方便一起参加论文复现的同学使用，可以在AI studio中直接搜索和引用，有本地使用需求的同学也可直接下载，不需要科学上网！ 数据集背景： 对于selfie 数据集，包含46,836张自拍照，带有36个不同的属性。U-GAT-IT论文只使用女性的照片作为训练数据和测试数据。训练数据集的大小为3400，测试数据集的大小为100，图像大小为256×256。 对于 anime 数据集，作者首先通过 Anime
飞桨 paddlepaddle论文复现
kunshaoscience的博客
08-06 258
今天开始进行论文复现，题目是 StarGAN v2: Diverse Image Synthesis for Multiple Domains 内容附加论文复现课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340 今日之后开始更新
UGATIT-tf2:TensorFlow 2实现“ U-GAT-IT
03-20
U-GAT-IT：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络 参考 纸 回购
UGATIT：U-GAT-IT的正式Tensorflow实施：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络（ICLR 2020）
02-24
U-GAT-IT —正式TensorFlow实施（ICLR 2020） ：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络 | 该存储库提供以下论文的正式Tensorflow实现： U-GAT-IT：具有图像到图像转换的自适应层实例规范化的无监督生成注意网络Kim Junho（NCSOFT） ，Minjae Kim（NCSOFT），Hyeonwoo Kang（NCSOFT），Kwanghee Lee（波音韩国） 摘要我们提出了一种新的无监督图像到图像翻译方法，该方法以端到端的方式结合了新的注意力模块和新的可学习归一化功能。 注意力模块指导我们的模型将注意力集中在基于辅助分类器获得的注意力图来区分源域和目标域的更重要区域上。 与以前基于注意力的方法无法处理域之间的几何变化不同，我们的模型可以转换需要整体变化的图像和需要大形状变化的图像。 此外，我们新的AdaLIN（自适应层实例
飞桨PaddlePaddle论文复现营论文学习心得
qq_39307436的博客
08-05 492
【飞桨PaddlePaddle论文复现营】【论文心得】Learning Spatio-Temporal Features with 3D Residual Networks for Action Recognition论文解读正文网络结构训练细节训练结果总结链接 论文解读 这篇论文是ICCV 2017上的workshop，主要提出了一种3D结构的ResNet网络用于视频分类任务，并且公布了Github源码，对于我这种初学小白可以说非常友好，推荐大家读完论文可以跑跑代码，加深理解。下面简单解读论文的主要内容：
PaddlePaddle 实现 DeepLab V3
HiPete的博客
10-25 852
百度飞桨图像分割日打卡训练营之 PaddlePaddle 实现 DeepLab V3 课程链接：https://aistudio.baidu.com/aistudio/course/introduce/1767 本文图片代码来自以上课程 A.理论部分 DeepLab V3 相关论文 ：Rethinking Atrous Convolution for Semantic Image Segmentation 1. DeepLab V3 网络框架 可以看到 DeepLab V3 使用 Resnet 作为 ba
飞桨PaddlePaddle论文复现营TPN论文复现心得
weixin_41210441的博客
08-22 538
前言 首先感谢百度AISTUDIO提供的学习、实践平台，推广的飞桨框架也十分方便使用，这次的论文复现仅使用百度的云算力(32G的Tesla V100)和飞桨框架。 这次我选择要复现的论文是TPN，Temporal Pyramid Network for Action Recognition。 论文地址是: https//arxiv.org/pdf/2004.03548.pdf 原来的代码是基于pytorch框架的，而且是构建在mmaction的基础上，所以还是比较规范的。 课程班主任有心地提供了pytor
PaddlePaddle飞桨论文复现营——3D Residual Networks for Action Recognition学习笔记
Kevin Pang的博客
08-06 1260
PaddlePaddle飞桨论文复现营——3D Residual Networks for Action Recognition学习笔记 1 背景知识 1.1 C3D C3D是一种3D卷积提取视频特征的方法，从水平(X)、垂直(Y)和时序(T)三个方向三个方面同时提取视频的时空特征，其提取到的特征比常规的2D卷积更自然[1]。缺点就是，因为多了一维“时序(T)”，卷积后会引起参数剧增，对计算机GPU算力要求较大。 P.S: C3D源代码和预训练模型可参考：http://vlg.cs.dartmouth.e
飞桨PaddlePaddle图像分割课程 - DeepLab V3
weixin_45735242的博客
10-25 1586
课程链接: https://aistudio.baidu.com/aistudio/course/introduce/1767.. 这里是参考朱老师的自己画了一些，后面持续改进。如果有错，请小伙伴们帮我指出。
使用飞桨实现图像分割模型DeepLabV3的心得
wienparis的博客
10-26 622
简介 最近参加了百度的图像分割打卡营，学习了如何使用飞桨实现图像分割模型DeepLabV3，收获很大。 DeepLabV3简介 DeepLabV3是DeepLab语义分割系列网络的最新作，其前作有 DeepLabv1，DeepLabv2。该系列模型的比较见下图： 模型结构图示比较如下所示： 代码实现 代码实现比较简单，得益于PaddlePaddle的简单易用。部分代码如下所示： 总结 DeepLabV3作为图像语义分割的一种经典模型具有结构清晰、效果好的优点。在飞桨中实现起来较容易，效果较好。百度图像
Github复现之deeplab v3+（用自己的遥感数据集训练）
qq_20373723的博客
04-06 6476
原始链接：https://github.com/jfzhang95/pytorch-deeplab-xception 1.数据准备 images文件夹和labels文件夹内的图像和标签名是一一对应的，名字是一样的，标签的具体内容应该是0，1，2，3这样代表类别的数据。文件夹名字最好和我的都一样，因为代码里有的地方写了文件名。 2.数据相关代码 （1）数据读入，创建对应的脚本放进对应的位置 dataloaders/datasets/own_data.py import os import cv2 impo
U-GAT-IT损失函数详解
最新发布
05-14
U-GAT-IT是一种基于对抗生成网络(GAN)的图像翻译模型，它可以将一种风格的图像转换为另一种风格的图像。该模型的核心是利用生成器和判别器两个网络进行对抗训练。其中，生成器负责将输入图像转换为目标风格的图像，...
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