04 2022 档案
摘要：首先，奠基性工作——基于CNN的样式迁移 这里有三个三层的卷积神经网络，一个输入为内容，一个输入为样式，中间那个是合成图，这个神经网络训练的竟然不是权重，而是这个合成图。它的思想就是我要训练这张合成图，让他既匹配内容图片的CNN的某一层的输出，又匹配样式图片CNN的某一层的输出，这样我们就认为这张图
阅读全文
摘要：FCN是深度神经网络用来做图像领域的语义分割的奠基性工作，它用转置卷积层替换掉CNN最后的全连接层，从而可以预测每一个像素的类别。 （但也因为是奠基性工作，所以现在的应用已经很少了。） 解释一下这个网络： 首先，将图片传到CNN中，进行特征的提取，但是CNN不包含池化层和全连接层，因为不做全局分类；
阅读全文
摘要：这个东西最近做深度学习复现总是遇到，记一下。 1 histogram(a,bins=10,range=None,weights=None,density=False); 2 # a是待统计数据的数组； 3 # bins指定统计的区间个数； 4 # range是一个长度为2的元组，表示统计范围的最小值
阅读全文
