上一页 1 ··· 46 47 48 49 50 51 52 53 54 ··· 73 下一页
摘要: https://blog.csdn.net/zhangjunhit/article/details/70845704 1、本文使用深度卷积网络来进行 摄影风格转换,在 Neural Style algorithm [5] 的基础上进行改进的, 主要是在目标函数进行了修改,加了一项 Photoreal 阅读全文
posted @ 2020-07-25 21:12 Tomorrow1126 阅读(341) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/weixin_44388679/article/details/107458536 https://blog.csdn.net/u014432647/article/details/75276718 阅读全文
posted @ 2020-07-25 21:03 Tomorrow1126 阅读(981) 评论(0) 推荐(0) 编辑
摘要: 1、创新点: 这篇论文实现了图像的任意风格转换,不在局限于单个风格的训练。同时支持优化和前向网络的方法。这个方面只在一层进行相关处理。 https://blog.csdn.net/wyl1987527/article/details/70476044 阅读全文
posted @ 2020-07-25 14:12 Tomorrow1126 阅读(385) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/choushi5845/article/details/100747118 https://blog.csdn.net/LEE18254290736/article/details/97371930 1、生成式对抗网络(GAN, Generative Ad 阅读全文
posted @ 2020-07-25 12:32 Tomorrow1126 阅读(246) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/yskyskyer123/article/details/98776657 https://blog.csdn.net/qq_44887206/article/details/105328233 作者利用照片和样式样本中出现的类似内容来了解样式如何改变内容 阅读全文
posted @ 2020-07-25 12:06 Tomorrow1126 阅读(395) 评论(0) 推荐(0) 编辑
摘要: 本文的核心思路如下: - 使用现成的识别网络,提取图像不同层级的特征。 - 低层次响应描述图像的风格,高层次响应描述图像的内容。 - 使用梯度下降方法,可以调整输入响应,在特定层次获得特定的响应。 - 多次迭代之后,输入响应即为特定风格和内容的图像。 本文介绍一个酷炫的深度学习应用:风格迁移。作者G 阅读全文
posted @ 2020-07-24 17:07 Tomorrow1126 阅读(245) 评论(0) 推荐(0) 编辑
摘要: 笔记在pad中 接下来,我们就将问题慢慢复杂化,一步一步接近最终的神经网络中的反向传播! 前文中,我们利用的是一个神经元,这里我们讲问题变复杂,变成两个神经元,并且是有嵌套关系的两个神经元!如下图: 将输入值相加然后输出到第二个神经元,同时第二个神经元还接受输入c,并将两个值相乘,最后输出!这个简单 阅读全文
posted @ 2020-07-21 11:44 Tomorrow1126 阅读(218) 评论(0) 推荐(0) 编辑
摘要: 详细看博客https://www.jianshu.com/p/fa8d5ff9321a 1、感知器perceptron 感知器本质上是用来决策的。 一个感知机其实是对神经元最基本概念的模拟 ,都未必有多少网络概念,他就是一个自动做决策的机器。 感知器纯粹从数学的角度的上看,其实就可以理解为一个黑盒函 阅读全文
posted @ 2020-07-21 11:28 Tomorrow1126 阅读(889) 评论(0) 推荐(0) 编辑
摘要: 梯度:梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着该方向取得最大值, 即函数在该点处沿着该方向(此梯度的方向)变化最快,变化率最大(为该梯度的模)。 百度百科详细含义:https://baike.baidu.com/item/%E6%A2%AF%E5%BA%A6/13014729 阅读全文
posted @ 2020-07-21 10:34 Tomorrow1126 阅读(2115) 评论(0) 推荐(0) 编辑
摘要: 1、ResNet是一种残差网络,咱们可以把它理解为一个子网络,这个子网络经过堆叠可以构成一个很深的网络。 2、但是根据实验表明,随着网络的加深,优化效果反而越差,测试数据和训练数据的准确率反而降低了。这是由于网络的加深会造成梯度爆炸和梯度消失的问题。 目前针对这种现象已经有了解决的方法:对输入数据和 阅读全文
posted @ 2020-07-20 21:18 Tomorrow1126 阅读(376) 评论(0) 推荐(0) 编辑
上一页 1 ··· 46 47 48 49 50 51 52 53 54 ··· 73 下一页