深度学习
文章平均质量分 79
机器学习的分栏暂时先不建,深度学习相当于是课题的最底层知识。
深井蛙i
脚踏实地,拒绝玄学。
展开
-
【损失函数】生成任务感知损失小结
前言隔了一个季度之后,再次更新。之前停更并非是意志松懈,主要是身体抱恙,疫情期间过度用眼导致眼疲劳,加上中途打球崴脚卧床数周,拖着疲劳的眼睛勉强能应付网课和日常任务,那段时间也反思为什么以前在学校时长时间用眼也没有什么不适,细想发现眼睛日常通勤中得到了很好的休息,而在家几乎没有通勤时间。说这么多,总结感悟就是身体是革命的本钱,管理好身体才能更好地输出。感知损失(Perceptual Loss)在生成网络中,为了使生成图像与源图像具有相同的特征,最先使用的主要是在像素层面上做正则化,即∣∣xsrc−xg原创 2020-07-06 00:54:10 · 4540 阅读 · 1 评论 -
【风格迁移】Adaptive Instance Normalization(AdaIN)
前言近几年人脸属性迁移的课题不再是单纯地做跨域迁移,还要考虑迁移后的多样性(mutil-modal),因此这个方向开始跟风格迁移相结合。结合我最近看过的几篇论文,发现它们都使用了同一个零部件——AdaIN,而且截止文本发布时间,据谷歌学术显示,该方法的文献被引用量达到517次,说明该方法受到了研究者们一定的关注。因此我觉得有必要记录一下这个思路的起点,以便以后查阅。AdaIN文献全称:Arb...原创 2020-03-24 21:38:21 · 9518 阅读 · 3 评论