<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[找工作青年]]></title><description><![CDATA[顺便也找点乐子]]></description><link>https://blog.youkuaiyun.com/Bertrandred</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Bertrandred]]></copyright><item><title><![CDATA[StarGAN在RaFD的实现]]></title><link>https://blog.youkuaiyun.com/Bertrandred/article/details/106148233</link><guid>https://blog.youkuaiyun.com/Bertrandred/article/details/106148233</guid><author>Bertrandred</author><pubDate>Fri, 15 May 2020 19:30:45 +0800</pubDate><description><![CDATA[前情提要论文学习：link
参考的论文实现代码（Pytorch）：link
环境
Python3.6
Pytorch1.0.0
（平台没有装Tensorflow的条件，所以砍掉了代码里的可视化部分）
数据集
RaFD申请：link
数据集处理：link
1.90%的训练集和10%的测试集
2.裁剪为人脸居中的256x256
3.存放的目录结构如下

训练
在RaFD上训练StarGAN
# Train StarGAN using the RaFD dataset
python main.py --mode ]]></description><category></category></item><item><title><![CDATA[StarGAN论文]]></title><link>https://blog.youkuaiyun.com/Bertrandred/article/details/106140278</link><guid>https://blog.youkuaiyun.com/Bertrandred/article/details/106140278</guid><author>Bertrandred</author><pubDate>Fri, 15 May 2020 19:10:04 +0800</pubDate><description><![CDATA[目录一览摘要1.介绍术语解释数据集一对一图像转换的不足针对以上不足的StarGAN优势论文的贡献2.相关基础知识生成式对抗网络GAN条件生成式对抗网络CGAN图像翻译3.StarGAN3.1多域单数据集的图像翻译对抗损失(adv)域分类损失(cls)重建损失(rec)完整的损失3.2多域多数据集的图像翻译掩码向量mask vector训练策略4.操作GAN改进(梯度惩罚的对抗损失)网络结构5.实验5.1Baseline Models5.2数据集CelebARaFD5.3训练5.4在CelebA的训练结果5.]]></description><category></category></item></channel></rss>