基础论文
文章平均质量分 85
基础的一些域适应入门论文,简单看一下就好。关键还是要读最新的,计算机更新换代太TMD快啦
shawchan9
吉林大学计算机系研究生,人工智能方向
展开
-
基础论文 (一) ADDA
基于某种确定的度量,将其中某个域的特征映射到另一个域的特征空间中(“非对称”映射),或将源域和目标域的特征一起映射到一个新的共享空间(“对称”映射)。原创 2023-01-14 23:33:03 · 3256 阅读 · 0 评论 -
基础论文(二)CoGAN
判别模型估计输入图像来自pX的概率,如果x∼pX, f(x) = 1,如果x∼pG, f(x) = 0。在生成模型中(任务B),性能与权重共享层数呈正相关,而在判别模型中(任务A),性能与权重共享层数不相关。我们强制g1和g2的前几层具有相同的结构并共享权重,即θg(i) 1 = θg(i) 2,因为i = 1,2,…,多域图像的联合分布是一个概率密度函数,它为不同域图像的每次联合出现给出一个密度值。生成模型的目标是合成类似真实图像X的图像,而判别模型的目标是区分真实图像和合成图像。原创 2023-01-18 14:11:46 · 672 阅读 · 0 评论 -
基础论文(六)WGAN
本文首先分析了GAN的两种缺陷:本文提出的Wasserstein距离可解决梯度消失问题,利用一个参数w数值范围限制在[-c,c]的判别器神经网络来最大化距离(对偶原理),就可以近似Wasserstein距离。在此近似最优判别器的条件下优化生成器使得Wasserstein距离缩小,就能有效拉近生成分布与真实分布。GAN由判别器(D)和生成器(G)组成。判别器一般使用二分类的神经网络来构建,一般将取自数据集的样本视为正样本,而生成的样本标注为负样本。生成器的任务是接收随机噪声,然后使用反卷积网络来创建一个原创 2023-01-31 23:20:15 · 2292 阅读 · 1 评论 -
基础论文(三)CycleGAN
本文的目标是在未配对的数据集上训练生成目标域风格的源域图片G(x);同时也要翻转过来,生成源域风格的目标域图片F(y),比如 相片到莫奈风格绘画。原创 2023-01-24 22:56:09 · 677 阅读 · 0 评论 -
基础论文(五)DCGAN
本文使用一种更加稳定的结构训练生成对抗网络,用卷积层代替池化层,全连接层等操作使得网络更深。原创 2023-01-29 18:11:42 · 157 阅读 · 0 评论 -
基础论文(四)Image-to-Image Translation with Conditional Adversarial Networks
这篇文章俗称pix2pix(即像素映射到像素),和上一篇cycleGAN是相对的,本文用的是已配对的训练集,而cycleGAN是无配对的训练集。原创 2023-01-26 23:32:43 · 479 阅读 · 0 评论