zxcqlf的博客

无监督单目深度估计框架的局限性提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录无监督单目深度估计框架的局限性一、无监督框架二、基本损失函数1.引入库2.读入数据提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、无监督框架示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

基于深度学习的单目深度估计简介算法分类（按训练方式）有监督（Supervised methods）无监督（Unsupervised methods）半监督（Semi-supervised methods）发展趋势参考自单目深度估计综述文章：文章围绕单目深度估计的数据集、评估指标、相关工作（有监督，半监督以及无监督）等进行了简介和综述。简介对于自主系统，如自主机器人和无人车等，无论对周围环境......

本文主要介绍四种经典的卷积神经网络，分别是AlexNet、VGGNet、GooLeNet、ResNet，这四种网络都是为了图像分类而设计，而且其分别获得ILSVRC比赛分类项目2012年冠军、2014年亚军、2014年冠军、2015年冠军。这四个网络算是卷积神经网络最经典的四个网络框架，其中包含着许多影响深远的新技术和新结构，网络的深度也逐步的加深，对本文主要简单介绍着四种网络框架，以及各自的创新...

本文为2018年发表于于IEEE Transactions on Evolutionary Computation的Evolutionary Generative Adversarial Networks，作者： Chaoyue Wang ; Chang Xu ; Xin Yao ; Dacheng Tao 主要特点是将传统的进化算法与对抗生成网络相结合，从何解决了GAN网络的训练不稳定以及模式崩...

上一篇文章的卷积反卷积自编码框架本来我是打算用作GAN的生成器，这样一来我用GAN生成的图像就可以受我控制了，而不是像DCGAN那样生成器的输入是一个随机的100维向量。 但是用卷积与反卷积自编码来作为生成器，我觉得似乎有点麻烦，首先要训练一个编码器网络，然后将编码器网络生成的向量代替类似于DCGAN中的z向量，实现对GAN生成模型输出的控制效果。因为我也不搞GAN，...

生成对抗网络（GAN）及其变种已经成为最近十年以来机器学习领域最为重要的思想。--2018图灵奖得主 Yann LeCunGAN的基础知识复习：click hereGAN模型的挑战即训练优化：click here1、模型简介及代码本程序主要是采用最初GAN的基本原理，选择简单的二层神经网络以及MNIST数据集并基于tensorflow平台来实现，以求得对GAN的原理以及实现过程有一...

生成对抗网络（GAN）及其变种已经成为最近十年以来机器学习领域最为重要的思想。--2018图灵奖得主 Yann LeCun1、GAN模型的挑战1.1启动及初始化问题GAN的训练过程可以看做是一个生成网络和鉴别网络相互博弈的过程，最终达到一个如果对方不改变就无法进一步达到提升的状态。同时梯度下降法的启动会选择一个减小所定义的损失的方向，这个方向不一定最终使得GAN达到纳什均衡的状态...

1、GAN简介GAN全称：Generative Adversarial Networks，生成对抗网络，作者Ian Goodfellow 发表于2014年的一篇论文：Goodfellow I, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C] // Advances in neural information pro...

1、简介文章：2017_CVPR_Unsupervised Learning of Depth and Ego-Motion from Video代码下载：SfMLearner2、代码运行记录基本可以依据作者readme.md文件所述步骤执行；以下是本人在运行过程中遇到的一些问题；系统配置：Python3+TensorFlow1.9.0+cuda 9.0（1）demo 运行...