摘要：
运动恢复结构 通过三维场景的多张图片，恢复出该场景的三维结构信息以及每张图片对应的摄像机参数。 已知：n个3D点$X_j$在m张图像中的对应点的像素坐标$x_$$(i = 1, …, m, j = 1, …, n)$，且$x_ = M_iX_j$ \((i = 1,...,m,j=1,...,n)\ 阅读全文
摘要：
【第一部分】 问题总结 在看视频的时候，生成式对抗网络的训练策略是交替训练生成器G和判别器D，直到收敛。没太搞明白是如何收敛的。 对抗网络的思想实际上是生成网络G与判别网络D的博弈，那这个博弈的过程如何达到最终的平衡点？ # 第四个滑动卷积层，包含BN，LRelu激活函数 nn.Conv2d(in_ 阅读全文
摘要：
GAN 生成式对抗网络 用途：人脸生成、图像着色、图像超像素、背景模糊、人脸生成、文字生成图片、卡通头像生成、帧预测 GAN工作原理： 随机噪声z：从一个先验分布（人为定义，一般是均匀分布或者正态分布）中随机采样的向量； 真实样本x：从数据库中采样的样本； 合成样本G(z)：生成模型G输出的样本 判 阅读全文
摘要：
CGAN and DCGAN Conditional Generative Adversarial Nets，简单来说就是条件生成-对抗网络。在生成器以及判别器上它都多了一个标签作为输入。 生成器的输入是噪声和标签，输出还是生成图； 判别器的输入是生成图，真实图以及标签，输出还是真和假。 在本代码中 阅读全文
摘要：
GAN 生成式对抗网络 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_moons import torch # 使用GPU训练，可以在菜单 "代码执行工具" -> "更改运行时 阅读全文