- 博客(4)
- 收藏
- 关注
RSS订阅原创 关于Cycle GAN的一些理解
关于Cycle GAN的一些理解CycleGAN的主要功能是实现两种不同风格图像的转换，即保留了图像的具体内容而改变了图像的风格。不同于普通image2image数据集的一一对应关系，如下图。Cycle GAN的数据集只需要保证有两个不同风格的样本集X、Y即可。因为训练集的图像不存在一一对应的关系，如果还是按照一个生成器一个判别器来训练样本X向样本Y的映射G的话，可能学习到的模型是X中的所有样本都映射在Y中的一个样本上。神经网络更容易将所有的输入转化为输出中的一张图片，只需要和这张图片一样就能获得较小
2021-02-06 09:12:46
1231
原创 【目标检测】1. R-CNN
1.R-CNN检测（定位）+分类（使用卷积神经网络的全连接层）1.算法步骤：1）一张图像生成1000~2000个候选区域 Region Proposal。2）对每个候选区域缩放到227*227并输入到CNNs，使用深度网络提取特征，输出的特征是fc7层的输出。3）将fc7层的输出特征feature_map送入每一类的SVM分类器，判别是否属于该类。每一类都要训练一个分类器。4）使用回归器精细修正候选框位置1.1候选框提取使用selective search 生成2000~3000个候选区域
2021-01-28 12:06:27
172
原创 [tensorflow2.0]学习笔记（一）mnist手写体数字识别
[tensorflow2.0]学习笔记（一）mnist手写体文字识别一、采用LeNet网络进行模型训练采用卷积神经网络的方法进行训练，并将训练之后的权重保存为.h5格式的本地文件。import tensorflow as tfimport tensorflow.keras as kerasimport numpy as npfrom tensorflow.keras import models, layers, optimizersimport matplotlib.pyplot as pl
2020-12-01 12:38:36
800
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人