<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Larryzx的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Larryzx</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Larryzx]]></copyright><item><title><![CDATA[Perceptual Losses for Real-Time Style Transfer and Super-Resolution 解读]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/123459025</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/123459025</guid><author>Larryzx</author><pubDate>Sun, 13 Mar 2022 14:28:28 +0800</pubDate><description><![CDATA[1.网络模型

1.1 组成部分

网络模型总体分为两部分:Image Transform Net和VGG-16


Image Transform Net是参数W待训练的网络
VGG-16是已经预训练好参数的网络

1.2 工作原理
(1) 输入为 :

原始图像xxx
风格目标图ysy_sys​
内容目标图ycy_cyc​

(2) Image Transform Net作用：

将原始图像xxx经过Image Transform Net得到输出图像y^\hat{y}y^​
映射关系为:     y^=]]></description><category></category></item><item><title><![CDATA[MASA-SR笔记]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/123459018</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/123459018</guid><author>Larryzx</author><pubDate>Sun, 13 Mar 2022 14:27:54 +0800</pubDate><description><![CDATA[主要组成


编码器 Encoder


匹配与提取模块（MEM） Math &amp; Extraction Modules


空间自适应模块（SAM）  Spatial Adaptation Modules

将Ref特征的分布映射到LR特征的分布



双残差聚合模块（DRAM）Dual Residual Aggregation Modules

进行有效的特征融合



名词解释


LR 低分辨率图像
Ref↓ 表示 x4双三次下采样参考图
Ref 参考图


编码器


与之前使用预先训练过.]]></description><category></category></item><item><title><![CDATA[Image Style Transfe图像风格迁移]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/123458999</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/123458999</guid><author>Larryzx</author><pubDate>Sun, 13 Mar 2022 14:27:23 +0800</pubDate><description><![CDATA[图像风格迁移

损失函数组成

Loss = w1 * Lc + w2 * Ls



Loss of content(Lc)


Loss of style(Ls)


Loss of content

内容图和随机噪声图经过多次卷积滤波后，conten和noise在第4层的feature map的距离的平方和


Loss of style

先对风格图和噪声图的每一层卷积得到feature map
对feature map求gram矩阵
计算两者gram距离的平方和
将5层的结果加权求和


实验图
]]></description><category></category></item><item><title><![CDATA[Memory-guided Unsupervised Image-to-image Translation论文翻译]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/123458968</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/123458968</guid><author>Larryzx</author><pubDate>Sun, 13 Mar 2022 14:26:03 +0800</pubDate><description><![CDATA[Class-aware Memory Network

结构理解

每个class下有NkN_kNk​个item,所有class的item数之和为N，即一共有N个item。
满足    ∑k=1KNk=N\sum_{k=1}^K N_k = N∑k=1K​Nk​=N

对于每个class要用NkN_kNk​个item的理解：

比如一个class为人脸，那么人脸上的眼睛、嘴唇、皮肤都是不一样的特征，因此需要用到多个item表示一个class

item的组成

每个item由( k , vxv^xvx ,.]]></description><category></category></item><item><title><![CDATA[ChipGAN: A Generative Adversarial Network for Chinese Ink Wash Painting Style Transfer翻译]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/123458867</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/123458867</guid><author>Larryzx</author><pubDate>Sun, 13 Mar 2022 14:23:38 +0800</pubDate><description><![CDATA[概要
​       风格转换已成功应用于照片，生成逼真的西方绘画。然而，由于中西绘画技法的内在差异，直接套用已有的方法，对中国水墨画风格的转换并不能产生令人满意的效果。本文提出了一种基于ChipGAN的端到端（ end-to-end）生成对抗性网络体系结构，用于照片转化为中国水墨画。

ChipGAN的核心模块实施了三个约束


空白（voids）


笔触（ brush strokes）（画笔描边）


水墨色调和扩散（ink wash tone and diffusion）


以解决中国水墨画中普遍]]></description><category></category></item><item><title><![CDATA[顺序表——数据结构定义以及基础操作]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/122175741</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/122175741</guid><author>Larryzx</author><pubDate>Mon, 27 Dec 2021 16:48:57 +0800</pubDate><description><![CDATA[顺序表
1.1源代码清单:


SqList.cpp


SqList.h


1.2顺序表数据结构:

本程序元素类型为int,读者可根据需求自行更改数据类型。

//线性表结构体
typedef struct{
    int* elem; //线性表数据
    int length; //线性表长度
    int listSize; //线性表大小
}SqList;

1.3该顺序表设计到的方法:
int  InitList(SqList &amp;L); //初始化线性表
int  Destro]]></description><category></category></item><item><title><![CDATA[HOG&KNN实现图像分类作业]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/121456460</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/121456460</guid><author>Larryzx</author><pubDate>Sun, 21 Nov 2021 17:15:08 +0800</pubDate><description><![CDATA[作业1
在这次作业中，我们将尝试提取基本的图像特征并使用提取的特征进行图像分类。
你需要在TODO模块的 """你的代码"""中填写相应的代码。
你也可以添加任意数量的 cell 来辅助你完成实验。
import random
import numpy as np
import matplotlib.pyplot as plt
from past.builtins import xrange
%matplotlib inline
plt.rcParams['figure.figsize'] = (15., ]]></description><category></category></item><item><title><![CDATA[帮助理工类专业本科生简化计算的python库——ZxSci]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/117444333</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/117444333</guid><author>Larryzx</author><pubDate>Tue, 01 Jun 2021 15:44:34 +0800</pubDate><description><![CDATA[ZxSci介绍
当前版本：0.1.6
当前模块：

Uncertainty 计算不确定度


MathWork 数值分析


showData 数据可视化

导入ZxSci库
from ZxSci import Uncertainty,MathWork,showData

一.Uncertainty函数调用
#计算不确定度
CalUncer(data_list)


二.MathWork函数调用
#生产均差计算表
AveDevCalTab(x_list,y_list)

#牛顿插值公式求值
NewtonCh]]></description><category></category></item><item><title><![CDATA[基于Pytorch的卷积神经网络AlexNet网络的代码编写]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/117403737</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/117403737</guid><author>Larryzx</author><pubDate>Sun, 30 May 2021 20:09:57 +0800</pubDate><description><![CDATA[AlexNet网络结构基于Pytorch编写
一、AlexNet模型
-网络总体结构
-各模块之间的联系

从上面两图中我们可以将AlexNet模型分为
1. Features
2. Classifier

二、Features
-图解模型

从图中我们可以看出AlexNet对图像的处理顺序为：
	卷积-&gt;relu激活-&gt;最大池化-&gt;
	卷积-&gt;relu激活-&gt;最大池化-&gt;
	卷积-&gt;relu激活-&gt;卷积-&gt;relu激活-&gt;卷积-&gt;relu激]]></description><category></category></item><item><title><![CDATA[2021-03-22]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/115104302</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/115104302</guid><author>Larryzx</author><pubDate>Mon, 22 Mar 2021 22:55:55 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[python爬虫项目——爬取网易新闻文本制作词云]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/113915974</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/113915974</guid><author>Larryzx</author><pubDate>Sun, 21 Feb 2021 12:04:40 +0800</pubDate><description><![CDATA[爬取网易新闻文本制作词云
一、爬取网易新闻的新闻文本
-导入第三方库
import requests
from lxml import etree

-输入新闻页面的url
url = input('请输入你想爬取的网易新闻的url:\n')

-进行UA伪装
headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:34.0) Gecko/20100101 Firefox/34.0'
        }

-]]></description><category></category></item><item><title><![CDATA[python网络爬虫项目——翻译英文单词]]></title><link>https://blog.youkuaiyun.com/Larryzx/article/details/113915342</link><guid>https://blog.youkuaiyun.com/Larryzx/article/details/113915342</guid><author>Larryzx</author><pubDate>Sun, 21 Feb 2021 11:21:39 +0800</pubDate><description><![CDATA[基于百度翻译实现翻译英文单词程序
操作流程如下：
-配置需要的环境：
pip install requests
pip install json

-导入需要的第三方库
import requests
import json

-找到百度翻译对应的url
url=''https://fanyi.baidu.com/sug'

-进行UA伪装
headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:34.0) ]]></description><category></category></item></channel></rss>