木盏

Generative adversarial network据有关媒体统计：CVPR2018的论文里，有三分之一的论文与GAN有关！ 由此可见，GAN在视觉领域的未来多年内，将是一片沃土(CVer们是时候入门GAN了)。而发现这片矿源的就是GAN之父，Goodfellow大神。 ~~~ 生成对抗网络GAN，是当今的一大热门研究方向。在2014年，被Goodfellow大神提出来，当时的G...

cGAN = conditional GAN 也是

在有监督机器学习算法越来越强大之时，数据便成了限制模型performance的最关键因素了。所以不少国内外学者的研究方向都开始转向数据增强了。今天看了一篇来自《计算机应用》的期刊文章（好久没看journal了，而且还是国内的），不过这篇期刊还是有点货的。国内的journal，咱并不期待能当算法风向标，但可以当综述看，也可以有一定的价值。 放一下论文链接: 《基于生成式对抗神经网络的数据...

数据增强方法无疑是需要重点研究的基本任务之一，因为我们的主流深度学习算法还是一个有监督过程。台湾国立清华大学在ECCV2018发表了一篇AugGAN开始把GAN用在数据增强方面了，当然，这并不是这个领域的第一篇。不过很具有参考意义，也很能解决实际问题。所以特地写一个blog研究一番。读本文需要懂GAN和Auto-Encoder的基本算法流程，没有GAN和AE基础的可以看我关于GAN和AE写的详...

文本为论文翻译，翻译尽量为通俗语言，并且尽最大可能还原论文的原意。原文名：《Unsupervised Image-to-Image Translation Networks》论文地址： https://arxiv.org/pdf/1703.00848.pdf对关键词的翻译，避免造成误解，特有以下说明：转换=translate， 比如输入一张夏天的照片，输出一张冬天的照片，这个过程成...

MUNIT是ECCV2018的一篇关于不同风格图像之间转换的文章，是UNIT的衍生版本。作者是很大方滴，在gayhub上就可以找到munit的代码。Munit做了一件说明事情呢？我们看图就知道了：通过几笔简笔就可以生成真实感的图像，这就是munit的用处之一了。准确来说，munit是cycleGAN的强化版本。论文地址：http://openaccess.thecvf.com/co...

requirements:LinuxPython3.6Github地址：https://github.com/RaphaelMeudec/deblur-gan直接用这个代码会有问题，因为作者升级了网络结构，但参数没有重训，所以无法直接加载预训练参数。只能重训，或者恢复到以前的模型。 所以，直接可以加载老版本的代码：https://github.com/RaphaelMeud...

SOD-MTGAN: Small Object Detection via Multi-Task Generative Adversarial Network基于多任务GAN的细小物体检测摘要物体检测是计算机视觉中的一个基本而重要的问题。虽然在大规模检测基准（例如COCO数据集）中对大/中型物体取得了令人印象深刻的结果，但小物体的性能远远不能令人满意。原因是小物体缺乏足够详细的外观信息...