- 博客(22)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【无标题】
1.零拷贝并不是没有拷贝数据，而是减少用户态/内核态的切换次数以及CPU拷贝的次数。零拷贝实现有多种方式，分别是：mmap+writesendfile带有DMA收集拷贝功能的sendfile2.Throwble中的Error和Exception的区别a、Exception和error都继承了throwable类，java中只有throwable类的实例才能被抛出或者捕获异常，是异常处理机制的基本类型；
2024-02-20 16:10:36
859
1
原创 论文从under review 到 under editor evaluation,再到under review
网上有很多论坛帖子都涉及到这个问题，但到最后都是无疾而终，没有一个给出最后文章是accept还是reject。相信大家和我一样，比较担心自己的论文能否中。在这里我必将一直跟踪下去，无论结果如何。首先我投的sci期刊是pattern recognition letter。做计算机视觉方向的。我6.23号投稿的，隔一天显示了with editor。中间因为highlights字数超了被退回改了，然后交上去后，7.11号显示under review。在7.22号显示under editor evaluatio
2020-07-24 21:01:36
7329
7
原创 UnicodeDecodeError: 'ascii' codec can't decode byte 0x80 in position 0: ordinal not in range(128)
python3.6 pytorch1.3.0。加载pickle文件时：class_id = pickle.load(f)出现如下错误：UnicodeDecodeError: ‘ascii’ codec can’t decode byte 0x80 in position 0: ordinal not in range(128)可更改为：class_id = pickle.load(f,...
2019-11-13 10:03:48
2412
1
原创 DM-GAN: Dynamic Memory Generative Adversarial Networks for Text-to-Image Synthesis 论文解读
这是一篇CVPR 2019的一篇文章，思想简单，但是实验结果是真的简单，服！服！服！！！（但是我为什么想不到呢？我太菜）。文章中介绍了很多模块，也介绍了文章idea的来源，为此我还看了相关的Memory Networks及各种变形（对理解本篇DM-GAN其实用处不大，但是这些论文挺好的，推荐一看。）论文: https://arxiv.org/abs/1904.01310?context=cs....
2019-11-09 21:12:47
4432
4
原创 Photographic Image Synthesis with Cascaded Refinement Networks 论文解读
论文链接: https://arxiv.org/abs/1707.09405.GitHub代码: https://github.com/CQFIO/PhotographicImageSynthesis.这是一篇ICCV 2017的文章，与以往用GAN做text-to-image不同，它只用了CNN结构来完成这个任务，当然它的数据集也很特殊，是用图像分隔的数据集，网络输入是语义布局（semant...
2019-10-23 10:42:32
1688
原创 用TensorFlow实现带Batch-Normalization(BN)的MINIST数据集的识别
本代码的理论部分参考我的令一篇博客: https://blog.csdn.net/weixin_43551972/article/details/102624175.要实现BN,主要用到以下两个API:1.tf.nn.moments()# 用于在指定维度计算均值与方差tf.nn.moments( x, axes, shift=None, # pylint: disable...
2019-10-18 18:40:45
359
原创 Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift 论文解读
论文地址: https://arxiv.org/abs/1502.03167.用BN实现MINIST数据集识别: https://arxiv.org/abs/1502.03167.这是一篇Google发表在ICML 2015上的一篇文章，并且在ImageNet图像识别数据机上实现了超越人类识别水平的效果，所以之前虽然看了很多论文，但是对于这篇的兴趣相当浓厚。这篇论文感觉还是很难的，看了好多遍里...
2019-10-18 17:29:03
325
3
原创 移动平均法（moving average）数学理解
tensorflow 中的 ExponentialMovingAverage：参考博客: https://blog.csdn.net/u012436149/article/details/56484572.
2019-10-17 19:25:26
7269
原创 Image Generation from Scene Graphs 论文解读
论文链接: https://arxiv.org/abs/1804.01622.GitHub代码: https://github.com/google/sg2im.对于文本生成图片（Text-to-Image）的任务，如果一开始将scene layout（场景布局）作为中间媒介，连接text domain 和 image domain，将会取得很好的结果。但是这个想法实现起来需要很多方面难题要解...
2019-10-13 15:17:30
1358
2
原创 Inferring Semantic Layout for Hierarchical Text-to-Image Synthesis 论文解读
好久没写论文解读的博客了，这段时间主要是搞自己的paper，所以没有阅读相关text-to-image的paper了，今天解读一下这篇论文，都是自己的想法，有不对的地方希望大家批评指正，在此谢过了。论文链接: https://arxiv.org/pdf/1801.05091.pdf.这篇是CVPR 2018的paper，而CVPR 2019 的Obj-GAN 主要也用到了这里的idea。我们都...
2019-10-08 21:13:55
331
原创 HD-GAN:Photographic Text-to-Image Synthesiswith a Hierarchically-nested Adversarial Network 论文解读
这是一篇CVPR2018的文章，这篇文章的效果可能提升的不大，但是他们提出了一种新的text to image方法，也有一种别出心裁的味道。这篇文章的主要创新点和贡献有：1.提出了一种可扩展的单一流型生成器结构，能够更好的与判别器相匹配和生成更高分辨率的图像。2.提出了一种多用途的对抗损失，能够有效的利用文本和图片的信息来提高语义的一致性和生成的图片的保真度。3.提出了一种新的评估GAN模...
2019-07-30 11:06:30
874
原创 SDGAN《Semantics Disentangling for Text-to-Image Generation 》论文解读
SDGAN也是一片text to image 的CVPR2019的文章。论文地址：[https://arxiv.org/abs/1904.01480v1]GitHub代码尚未公布主要创新点：1.Siamese Structure with Contrastive Losses（带有对比损失的级联结构）：这个损失是建立在判别器端，且与以往不同，是两个树状的结构之间的对比损失。这个结构有利于提...
2019-07-12 15:00:05
1436
原创 MirrorGAN: Learning Text-to-image Generation by Redescription 论文解读
MirrorGAN是CVPR2019的文章，用于text to image，该篇文章很好理解，想法也很简单，启发于CycleGAN。但效果很好，尤其是在MS coco数据集上，比最新的attnGAN的效果提高了好多。相关工作：attnGAN： [https://blog.csdn.net/weixin_43551972/article/details/90454166]在这里我是基于attn...
2019-07-09 10:48:08
2008
12
原创 GAWWN:Learning What and Where to Draw 论文解读
"Learning What and Where to Draw"是NIPS 2016的文章。读起来其实启发挺大的。文章为了实现text to image（分辨率为128 x 128）的任务，提出生成什么及在哪里生成的对抗网络——GAWWN,将其分为两个部分来完成：1.where：采用 基于边界框的文本到图片的生成模型（Bounding-box-conditional text-to-imag...
2019-06-27 20:41:39
1114
原创 AttnGAN: Fine-Grained Text to Image Generationwith Attentional Generative Adversarial Networks 论文解读
attnGAN是CVPR 2018的一篇文章，我觉得写得很好，是十分值得一读的文章。文章引进了注意力（attention）机制。Attentional Generative Adversarial Network(AttnGAN)能够生成细粒度（fine-grained）细节的的图片，与之前的text to image最好的 文章相比在CUB数据集上的inception score 提高了14....
2019-05-22 23:07:17
2052
5
原创 StackGAN++: Realistic Image Synthesiswith Stacked Generative Adversarial Networks 论文解读
StackGAN++是ICCV 2017 的文章《StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks》。由于Stack GAN 在训练过程中不足够稳定以及生成更多种类的样本图片，由此提出了更好的Stack GAN++。一、相关工作Stack GAN-V1论文链接: [https:...
2019-05-06 15:29:18
1584
原创 Generative Adversarial Text to Image Synthesis 论文解读
链接: [link]https://arxiv.org/pdf/1605.05396.pdfScott Reed, Zeynep Akata, Xinchen Yan, Lajanugen LogeswaranBernt Schiele, Honglak Lee这是一篇刊在 ICML 2016上的一篇文章，我觉得还是很好的，我把自己对它的理解写在这里，有不对的地方希望大家能够及时纠正，本人万...
2019-04-19 21:13:48
879
原创 Stack GAN:Text to Photo-realistic Image Synthesiswith Stacked Generative Adversarial Networks 论文解读
StackGAN: Text to Photo-realistic Image Synthesiswith Stacked Generative Adversarial Networks 论文解读关于StackGAN这篇论文，从阅读到理解还有代码前前后后弄了不短的时间，下面主要是介绍一下这篇论文以及自己对此论文的个人见解，如有不对的地方欢迎指正修改，在此说谢谢了。大家都说这篇ICCV 2017的文...
2019-04-16 22:09:22
1137
6
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人