theflowerofac^MQLYES的专栏

OCGAN 的目的在于使得正常类输入样本real经过编码、解码后得到的fake与输入real尽可能的相似。并且强制经过编码后得到潜在空间服从均匀分布，实现方法是用gan。这样异常输入经过编码得到向量也会服从均匀分布，解码后得到的fake会像正常类。比如说数字2作为正常类训练，数字8作为异常。数据8输入模型得到重构图像fake会像数字2。这样输入与输出差别会比较大，相对数字2输入和得到的数字2输...

转载：1：T-SNE 算法http://bindog.github.io/blog/2016/06/04/from-sne-to-tsne-to-largevis/2：朴素贝叶斯算法https://www.cnblogs.com/lliuye/p/9178090.html3：如何感性地理解EM算法？（讲的不错）https://www.jianshu.com/p/11215...

汇报整理的ppt参考：史上最详细的Yolov3边框预测分析 - 逍遥王的博客 - 优快云博客一文看懂YOLO v3 - litt1e的博客 - 优快云博客关于YOLOv3的一些细节 - 简书理解yolov3的anchor、置信度和类别概率 - DLUT_yan的博客 - 优快云博客等...