深度学习
Soheyi
这个作者很懒,什么都没留下…
展开
-
Deep Feature Interpolation for Image Content Changes
这篇博客是对《Deep Feature Interpolation for Image Content Changes》的通俗解读,这篇发表时间较早,但是文章的理念即使在今年2020年来看的话都很有借鉴意义。文章链接:https://arxiv.org/pdf/1611.05507.pdf摘要:文章中提出了DFI(deep feature interpolation),顾名思义就是对特征进行线性插值来实现复杂的属性转换任务,如:年轻化、老化等等。思路简单,就是通过对提取的图像特征进行插值,甚至提原创 2020-08-21 11:27:35 · 603 阅读 · 0 评论 -
Python+Opencv+Dlib进行人脸检测和对齐
作为大多数人脸相关任务不可或缺的步骤,人脸检测和人脸对齐作用不言而喻。在这篇文章中,我们使用dlib中人脸检测,进行人脸图片的旋转对齐操作。1、下载模型文件链接 提取码:atzu2、68 和 51 关键点3、代码import dlibimport face_recognitionimport mathimport numpy as npimport cv2 def rect_to_bbox(rect): """获得人脸矩形的坐标信息""" # ..原创 2020-08-20 14:23:55 · 967 阅读 · 0 评论 -
计算机视觉领域近三年研究方向汇总
最近需要调研CV领域的一些研究方向,所以爬取了近三年CVPR(2018、2019、2020)、ECCV2018、ICCV2019的文章和链接,根据标题生成对应词云,统计不同单词的出现频次生成折线图,所有爬取的文章标题列表和下载链接:戳这里 CVPR2018 CVPR2019 CVPR202 ECCV2018 ICCV2019 ...原创 2020-06-24 11:24:13 · 1618 阅读 · 0 评论 -
infoGAN公式推导(信息最大化生成对抗网络(理论部分))
对抗生成网络(GAN)和贝叶斯变分自编码是最为主要的两种数据生成模型,目前的生成对抗网络的一些改良技术已经实现了非常逼真的图像。此外生成模型也是非监督学习的主要驱动力之一,假若人工神经网络已经具备了自我生成栩栩如生的真实图像的能力,我们亦可以说人工神经网络已经具备了想象和创作的能力,具有了想象和创作能力的个体当然已经掌握了一些抽象的概念,而非监督学习不就是让人工智能自我去摸索这个世界并掌握一定...转载 2018-12-02 14:30:53 · 3085 阅读 · 2 评论 -
tensorflow迁移训练
1、tensorflow预训练模型下载链接:https://github.com/tensorflow/models/tree/master/research/slim原创 2018-09-06 16:28:53 · 541 阅读 · 0 评论 -
【Day1】对抗神经网络GAN
一、1、生成模型(G)+判别模型(D)2、输入的只有真实样本集(无标签)3、单独交替迭代训练。在训练生成网络的时候,我们需要联合判别网络一起才能达到训练的目的,对于生成网络的训练其实是对生成-判别网络串接的训练。 a.生成了假样本,把这些假样本的标签都设置为1,也就是认为这些假样本在生成网络训练的时候是真样本(迷惑判别器的目的,也才能使得生成的假样本逐渐逼近为正样本); b.在对于生成...转载 2018-06-07 14:21:30 · 571 阅读 · 0 评论