莫凡的博客

语言翻译是大家都知道的应用。但图像作为一种交流媒介，也有很多种表达方式，比如灰度图、彩色图、梯度图甚至人的各种标记等。在这些图像之间的转换称之为图像翻译，是一个图像生成任务。多年来，这些任务都需要用不同的模型去生成。在GAN出现之后，这些任务一下子都可以用同一种框架来解决。这个算法的名称叫做Pix2Pix，基于对抗神经网络实现。话不多说，先上一张图。将街景标注图像变成真实图像 将建筑...

一、GAN原理介绍说到GAN第一篇要看的paper当然是Ian Goodfellow大牛的Generative Adversarial Networks（arxiv：https://arxiv.org/abs/1406.2661），这篇paper算是这个领域的开山之作。GAN的基本原理其实非常简单，这里以生成图片为例进行说明。假设我们有两个网络，G（Generator）和D（Discrim...

一、原理     

简介图片处理的时候，经常会给图片标签处理，Illustration2Vec是网上一个比较好的任务标签开源库，用于生成人物特征的标签。Illustration2Vec下载地址：https://github.com/rezoo/illustration2vec并且在https://github.com/rezoo/illustration2vec/releases下载模板文件和标签文件。I...

DCGAN简单总结DCGAN全称为Deep convolutional generative adversarial networks,即将深度学习中的卷积神经网络应用到了对抗神经网络中。生成器，可以看做图片分类的逆过程，图片生成器输入随机向量，输出一个图片。随机向量不含像素级的位置信息。而最初卷积网络，引入感受野，捕捉邻近区域的特征，越靠近输入端的信息，包含位置信息越明显，随着层层深入，...

项 目 名 称 Stars 项目介绍 TensorFlow 29622 使用数据流图计算可扩展机器学习问题 Caffe 11799 Caffe是一个高效的开源深度学习框架 Neural Style 10148 Torch实现的神经网络算法 Deep Dream 9042 Deep Dream，一款图像识别工具 Kera...

CGANCGAN首次提出为GAN增加限制条件，从而增加GAN的准确率。原始的GAN产生的数据模糊不清，为了解决GAN太过自由这个问题，一个很自然的想法就是给GAN加一些约束，于是便有了这篇Conditional Generative Adversarial Nets,这篇工作的改进非常straightforward，在生成模型和判别模型分别为数据加上标签，也就是加上了限制条件。实验表明很有效...

初识决策树决策树是一个类似于人们决策过程的树结构，从根节点开始，每个分枝代表一个新的决策事件，会生成两个或多个分枝，每个叶子代表一个最终判定所属的类别。例如，如下是一个决策树，代表薪水大于30W的男性会买车。我们可以很容易的写出IF Else来实现决策树的判定。上述的决策树有两个特征区间，性别和年龄，最终的结果有两个类别，买和不买。信息增益信息熵表示的是不确定度。均匀分布时，...

1.人工智能之机器学习体系汇总Github开源机器学习系列文章及算法源码【直接上干货】此处梳理出面向人工智能的机器学习方法体系，主要体现机器学习方法和逻辑关系，理清机器学习脉络，后续文章会针对机器学习系列讲解算法原理和实战。抱着一颗严谨学习之心，有不当之处欢迎斧正。监督学习 Supervised learning  人工神经网络 Artificial neural network...

(Stanford)69G大规模无人机(校园)图像数据集【Stanford】http://cvgl.stanford.edu/projects/uav_data/人脸素描数据集【CUHK】http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html自然语言推理(文本蕴含标记)数据集【NYU】https://www.nyu.edu/pro...

  机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法，以供您在工作和学习中参考。       机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式根据数据类型的不同...

线性回归属于有监督学习，此类问题，根据带标注的信息去训练一个推断模型。该模型覆盖一个数据集，并且对不存在的新样本进行预测。该模型确定以后，构成模型的运算也就固定。在各运算过程有一些参与运算的数值，在训练过程不断更新，使模型能够学习，并对其输出进行调整。虽然推断不同模型在运算数量和组合方式有很大的不同