技术改变生活 -

GAN — Stacked生成对抗网络 (SGAN)

lijingle2022-1-9 16:24

在本文中，我们将研究 SGAN 的细节，它在 GAN 中产生了一些最高的图像质量。堆叠生成对抗网络（SGAN）由编码器 y = E(x)，其中 x 是图像，y 是其标签，并且解码器 x = G(y, z) 其中 z 是噪声。此处的解码器充当 GAN ...

GAN — CGAN & InfoGAN（使用标签改进 GAN）

lijingle2022-1-9 15:45

在判别模型（如分类）中，我们手工制作特征以使模型表现更好。如果模型有足够的容量并且知道如何自己学习这些特征，则不需要这种做法。在 GAN 中，训练模型非常重要。它可以从标签中获得额外的帮助，以使模型表现 ...

GAN — DCGAN（深度卷积生成对抗网络）

lijingle2022-1-9 15:32

DCGAN 是 GAN 中流行且成功的网络设计之一。它主要由没有最大池化或全连接层的卷积层组成。它使用卷积步幅和转置卷积进行下采样和上采样。下图是生成器的网络设计。以下是 DCGAN 的总结：用卷积步幅替换所有最大 ...

GAN — 提高 GAN 性能的方法

lijingle2022-1-9 12:14

与其他深度网络相比，GAN 模型在以下情况可能会受到严重影响。不收敛：模型不收敛，更糟糕的是它们变得不稳定。模式崩溃：生成器产生有限的模式，并且慢速训练：训练生成器的梯度消失了。作为 GAN 文章的一部分，本 ...

证明（GAN 最佳点）

lijingle2022-1-8 20:13

我们已经提到优化 GAN 就是优化 JS-divergence。这在cost函数中并不明显：我们将在此证明，同时证明对应的最优点为：p = q,鉴别器无法区分真假 D*(x) = 1/2，V* = -2 log2。证明：如果 G 是固定的，则最优判别器 D* ...

GAN——为什么生成对抗网络非常困难！

lijingle2022-1-8 20:03

识别莫奈的画比画一幅画更容易。与判别模型（处理数据）相比，生成模型（创建数据）被认为更难。训练 GAN 也很困难。本文是 GAN 系列的一部分，将介绍为什么训练很难。通过研究，我们了解了一些推动许多研究人员 ...

GAN — Super Resolution GAN (SRGAN)

lijingle2022-1-6 19:22

超分辨率 GAN 应用深度网络与对抗网络相结合来生成更高分辨率的图像。如上所示，与没有 GAN 的类似设计（SRResNet）相比，SRGAN 对具有更多细节的人类更具吸引力。在训练期间，高分辨率图像 (HR) 被下采样为低分辨 ...

GAN — CycleGAN（用图片玩魔术）

lijingle2022-1-6 19:03

许多 GAN 研究侧重于模型收敛和模式崩溃。我们处理博弈，我们不知道如何有效解决它。但是 GAN 可以很有趣，特别是对于跨域转化。 CycleGAN 将样式转移到图像。例如，我们从收集三组图片开始：一组是真实的风景， ...

GAN — 如何衡量 GAN 的性能？

lijingle2022-1-6 12:30

在 GAN 中，生成器和鉴别器的目标函数通常衡量它们相对于对手的表现。例如，我们测量生成器愚弄鉴别器的程度。它不是衡量图像质量或其多样性的好指标。作为 GAN 系列的一部分，我们研究了如何比较不同 GAN 模型的 ...

GAN — GAN 的一些比较好的应用

lijingle2022-1-4 21:23

在 GAN 发展的最初几年取得了令人瞩目的进展。没有更多像恐怖电影中的邮票大小的面部照片。 2017 年，GAN 制作了 1024 × 1024 的图像，可以骗过星探。在未来几年，我们可能会看到由 GAN 生成的高质量视频。商业应 ...

GAN——对 GAN 网络的全面总结(1)

lijingle2022-1-4 21:04

在这个 GAN 系列中，我们确定了 GAN 如何应用于深度学习问题的一般模式，并研究了 GAN 为何如此难以训练的问题。我们还查看了一些潜在的解决方案。通过在一个上下文中回顾它们，让我们了解 GAN 研究的动机和方向以 ...

IOU (Intersection over Union)

lijingle2022-1-3 19:07

什么是IOU，用在什么地方？IOU（Intersection over Union）是一个术语，用于描述两个框的重叠程度。重叠区域越大，IOU 越大。IOU 主要用于与物体检测相关的应用中，我们训练一个模型来输出一个完美地围绕一个物体的 ...

边界框的基础知识

lijingle2022-1-3 15:57

什么是边界框？边界框本质上是一个围绕对象的矩形，它指定了它的位置、类别（例如：汽车、人）和置信度（它在该位置的可能性）。边界框主要用于目标检测任务，其目的是识别图像中多个目标的位置和类型。例如，如果 ...

非极大值抑制 (NMS)

lijingle2022-1-3 14:12

什么是非最大抑制，为什么要使用它？非最大抑制是一种主要用于目标检测的技术，旨在从一组重叠框中选择最佳边界框。在下图中，非最大抑制的目的是去除黄色和蓝色框，这样我们就只剩下绿色框了。图 1：同一对象的多 ...

论文解释：Masked Autoencoders Are Scalable Vision Learners

lijingle2022-1-3 11:18

重建图像的Mask部分如何有益自编码器在自然语言处理任务中有着成功的历史。 BERT 模型开始在句子的不同部分屏蔽单词，并尝试通过预测要填充到空格中的单词来重建完整的句子。最近的工作旨在将这一想法转移到计算机 ...

		自动登录	找回密码
密码			立即注册

Tic商业评论