shanhaibukeping-CSDN博客

原创 SingleGAN阅读

摘要图像转换是计算机视觉中的一个新兴领域，其目标是学习输入图像和输出图像之间的映射。但是，最近的方法需要多个生成器来建模不同的域映射，这对于某些多域图像转换任务来说效率低且无效。在本文中，我们提出了一种新方法SingleGAN，用单个发生器执行多域图像到图像的转换。我们引入域代码来明确控制不同的生成任务，并集成多个优化目标以确保翻译。几个不成对数据集的实验结果表明我们的模型在两个域之间的转换中具...

2020-01-05 21:44:36 975

原创 GAN--7 info GAN VAE-GAN BiGAN

用GAN做 feature extractioninfoGAN原来的GAN：infoGAN：把输入z分成两部分，假设z是20维，把前十维叫做c，后十维叫做z‘。训练一个classifier：看generator输出的x，反推出输入的c。可以将generator看做encoder，classifier看做decoder，二者合起来看做一个auto-encoder。这个auto-encod...

2020-01-05 19:37:01 268

原创 GAN--6 WGAN EBGAN

JS divergence 不合适大多数情况下，PG和Pdata不重合1.PG和Pdata是高维空间的低维流形，他们之间的重叠可以忽略。2.尽管PG和Pdata有重叠，如果不取足够多的点，重叠也可以忽略。JS divergence的问题不管PGx和Pdata相隔的近或远，JS都是log2。那么对generator来说PG0和PG1一样差，那么PGx就不会更新只有PG和Pdata...

2019-12-31 15:42:55 182

原创 GAN--5 fGAN：general framework of GAN

f-divergenceP和Q是两个分布，p（x）和q（x）是从中取样x的可能性。Df最小值为0，此时P和Q完全一样当P和Q略有不同时，Df>0f(x)不同时，divergence也不同Fenchel Conjugate每个函数f有一个f*f*(t1)的最大值要穷举所有的x，取最大的值就是f*(t1)同理，f*(t2)的最大值要穷举所有的x，取最大的值就是f*(t2)...

2019-12-31 09:19:21 170

原创 GAN--4

极大似然估计找一个θ，使得Pdata和PG越接近越好加上log不影响求取θ，logA*logB=log（A+B），累乘变累加*KL divergence又叫相对熵。相对熵是一些优化算法，例如最大期望算法的损失函数。此时参与计算的一个概率分布为真实分布，另一个为理论分布，相对熵表示使用理论分布拟合真实分布时产生的信息损耗。PG和Pdata的Divergence越接近越好问题：...

2019-12-29 21:41:07 141

原创 GAN--2&3

Conditional GAN输入文字，输出图片。text to imageD要判别：x是否是真的 + x和c是否匹配D的输入是G的输入c（文字）和输出x（照片），是一组键值对。即D要同时看G的输入和输出。D什么时候给低分：①G生成的图x模糊或者 ② G生成的图x清晰，但是生成的图x和文字c不匹配下面的结构更合理：两个输出，可以看出造成D分值低的原因是①还是②Stack GA...

2019-12-23 17:12:46 298

原创 Physics-guided Neural Networks (PGNN): An Application in Lake Temperature Modeling

1.构建混合物理数据模型如下图2.使用基于物理的损失函数上图中描述的HPD模型的一种标准方法是在训练集上最小化其模型预测Y ^的经验损失，同时保持较低的模型复杂度，如下所示：其中R衡量模型的复杂性，而λ是权衡的超参数。但是，任何此类训练程序的有效性都受到标记训练集的大小的限制，在许多科学问题中，训练集的大小通常很小。特别是，不能保证通过最小化公式2.1训练的模型将产生与我们的物理学知...

2019-12-22 21:32:01 1787

转载 GAN--1

一.Generation什么是生成（generation）？就是模型通过学习一些数据，然后生成类似的数据。让机器看一些动物图片，然后自己来产生动物的图片，这就是生成。以前就有很多可以用来生成的技术了，比如 auto-encoder（自编码器），结构如下图：训练一个 encoder，把 input 转换成 code，然后训练一个 decoder，把 code 转换成一个 image，然后计算...

2019-12-15 19:48:53 161

原创 Relation-Shape Convolutional Neural Network for point cloud analysis

原文链接：https://www.jiqizhixin.com/articles/2019-04-29-33D点云中相邻点的空间几何关系能够有区分性地表达其所隐含的3D形状。基于该先验，来自中科院自动化所模式识别国家重点实验室的研究者提出了Relation-Shape CNN，将经典的2D CNN拓展至3D点云领域进行几何关系学习，该方法在三个主流的点云分析任务上均实现了优秀的性能。此外，该方法...

2019-12-09 11:07:30 1045

shanhaibukeping的博客