Taylor Guo

深度卷积神经网络图像风格变换Deep Photo Style TransferTaylor Guo， 2017年4月23日 星期日 - 4月27日星期四摘要本文介绍了深度学习方法的图像风格转换，处理各种各样的图像内容，保持高保真的参考风格变换。我们的方法构建于最近绘画风格变换基础上，用神经网络的不同网络层从图像内容上将风格分离。然而，这个方法并不适用于写实风格变换。即使输入图像

深度卷积神经网络TensorFlow GPU实现

麦肯锡：人工智能如何给公司创造价值？How artificial intelligence can deliver real value to companies

AlexNet深度卷积神经网络

iOS VGGNet App

Android TensorFlow 智能语音识别

Windows10 anaconda tensorflow-GPU 安装手册

欢迎个人转发朋友圈；机构或媒体转载，后台请留言FutureMapping：Computational Structure of Spatial AI Systems安德鲁 J • 戴维森帝国理工学院https://arxiv.org/pdf/1803.11288.pdf00  摘要 我们讨论和预测了同步定位和地图构建（SLAM）演变为智能嵌入式设备上具有一般几何和语义“空间人工智能”感知能力。增强...

Win10安装深度学习模型部署Apache,redis,mod_wsgi,Flask,keras,tensorflowWindows生态对工具的支撑环境恶劣，是由来已久的。本文在Win10上用Apache,redis,mod_wsgi,Flask,keras,tensorflow对深度学习模型进行了部署这个是正在部署的项目，所以没有特别讲得太清楚。但聪明的你，应该一看就能明白。能不能部署成功，除了...

 

纹理合成和风格转移

理解 Deep Photo Style Transfer源代码

本文介绍了一种基于卷积神经网络特征空间的自然纹理的新模型，可以用于物体识别。模型的样本具有高感知度，显示出在纯分辨状况下神经网络的泛化能力。模型内部，用网络几个层上的特征地图之间的相关关系表示纹理。我们展示了在层之间，纹理表示越来越多地获取了图像的统计特征，使得物体的信息越来越明显。模型提供了一种新工具模拟神经科学，也提供了新视角来理解卷积神经网络学习的深度表示。

Image StyleTransfer Using Convolutional Neural Networks用不同的风格渲染图像的语义内容是一种比较难的图像处理任务。可以说，之前方法的一个主要局限因素是缺乏明确表示语义信息的图像表示，用于将图像内容从风格中分离。这里用卷积神经网络的图像表示用于物体识别的优化，可以使图像信息更明显。我们介绍了一种艺术风格的神经网络算法可以将图像的内容和图像的自然风格分离和再合并。算法可以提供给人们可以感知到的高质量的新图像，可以将大量众所周知的艺术作品和任意图像结合起来。

A Closed Form Solution to Natural Image Matting自然图像抠图闭合方案本文提供了自然图像抠图闭合方案。我们从前景和背景颜色中推导出一个代价函数，在得到的表达式中可以消除前景和背景颜色在alpha通道上得到一个二次代价函数。这使得我们可以解等式的一个稀疏线性系统找到全局不透明alpha模糊。接着，对于闭合方程，分析稀疏矩阵的特征向量可以估计方案的特征，这与光谱图像风格算法中的矩阵非常接近。只需要用户非常少的输入，就可以在自然图像上得到高质量的抠图。

生成式对抗网络---机器学习中的热门话题GenerativeAdversarial Networks – Hot Topic in Machine Learning Taylor Guo， 2017年4月21日  星期五 NIPS2016  (Neural Information Processing System)是年度盛会，吸引了大量学术界和工业界的最优秀和最闪亮的人才

深度卷积网络，多孔卷积 和全连接条件随机场 的图像语义分割DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs本文的主要任务是深度学习的图像语义分割

VGG-大规模图像识别的深度卷积网络Very Deep Convolutional Networks for Large-Scale Image Recognition本文讨论大规模图像识别中，卷积神经网络的深度对识别精度的影响。我们的主要贡献就是对增加卷积神经网络的深度进行了彻底的评估，网络架构使用了一个非常小的3×3卷积滤波器，在先前配置的网络基础上，将网络深度增加到16-19个权重层

深度卷积网络图像风格转移（二）架构分析Taylor Guo, 2017年5月18日Style Transfer 风格转移框架分析Style Transfer Block DiagramVGG-Net-19 深度卷积神经网络 图像风格转移框架分析VGG-Net-19 General Block Diagram参考资料：台大李宏毅《深度学习2016》-10.卷积神经网络CNNVGG-19 prot

深度卷积网络图像风格转移（一） 需求分析

风格转移中使用其他的神经网络模型

深度卷积网络图像风格转移（四）功能泛化Taylor Guo, 2017年5月20日