04.卷积神经网络 —— week4. 人脸识别和神经风格迁移(编程作业)

本文探讨了深度学习中的人脸识别与神经风格转换技术,包括卷积网络的人脸编码、三元组损失函数的应用、内容与风格损失的计算及总成本优化公式。通过VGG16模型和TensorFlow实现内容与风格图像的融合,展示了深度学习在图像领域的强大应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

人脸识别

  • 人脸验证
    • 使用卷积网络对人脸进行编码
    • 三元组损失函数
  • 人脸识别

神经风格转换

  • 计算内容损失
  • 计算风格损失
  • 定义总成本优化公式

最后:

  • 创建交互会话
  • 加载内容图像
  • 加载风格图像
  • 随机初始化生成的图像
  • 加载VGG16模型
  • 构建TensorFlow图:
    • 使用VGG16模型来运行内容图并计算内容成本
    • 使用VGG16模型来运行风格图并计算风格成本
    • 计算总成本
    • 定义优化器与学习速率
  • 初始化TensorFlow图,进行多次迭代,每次迭代更新生成的图像。

参考资料:

吴恩达深度学习视频课编程作业中文连载笔记:https://blog.youkuaiyun.com/u013733326/article/details/80767079

过程大概了解了,代码看的有点晕,照着敲了一遍还是有点晕。anyway,向序列模型出发。估计下周可以结课了吧。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值