摘要: 深度学习语音合成 2019 指南 转自 https://zhuanlan.zhihu.com/p/91968492 巧克力工厂的查理 《A 2019 Guide to Speech Synthesis with Deep Learning》 人类语音的人工产生被称为语音合成。这种基于机器学习的技术适 阅读全文
posted @ 2019-11-15 17:51 cheatingdeath 阅读(396) 评论(0) 推荐(0) 编辑
摘要: 人脸三维重建与表观建模(四)如何训练3d morphable model三维形变模型 飘哥 有了3d morphable model三维形变模型,那么问题是怎么能够训练这个模型, 上面这个流程图是《FaceWarehouse: a 3D Facial Expression Database for 阅读全文
posted @ 2019-11-13 16:46 cheatingdeath 阅读(1291) 评论(0) 推荐(0) 编辑
摘要: https://www.zhihu.com/question/294679135/answer/885285177 softmax 虽然简单,但是其实这里面有非常的多细节值得一说。 我们挨个捋一捋。 1. 什么是 Softmax? 首先,softmax 的作用是把 一个序列,变成概率。 他能够保证: 阅读全文
posted @ 2019-11-13 15:36 cheatingdeath 阅读(104) 评论(0) 推荐(0) 编辑
摘要: 机器学习经典损失函数 0-1损失(二分类)、交叉熵损失(分类)、Softmax Loss(多分类)、合页损失(SVM)、均方差(线性回归)、Modified Huber Loss(分类)、指数损失(Adaboost)1 0-1 Loss 一般来说,二分类机器学习模型包含两个部分:线性输出一般是s = 阅读全文
posted @ 2019-11-08 10:27 cheatingdeath 阅读(507) 评论(0) 推荐(0) 编辑
摘要: import osimport glob from typing import Optional import cv2import numpy as npimport torchimport yamlimport zipfilezip_path=r"./bmp_test_cmp2.zip"img_p 阅读全文
posted @ 2019-10-29 15:10 cheatingdeath 阅读(119) 评论(0) 推荐(0) 编辑
摘要: 快手AI lab 月臻 月臻 月臻 月臻 月臻 月臻 最近想出去实,快手是第一个发来的,所以就去了下。 第一 1. 介绍下NMS,并写出NMS的伪代码,和计算IOU的函数。 先介绍了一下NMS的做法,然后伪代码一时没写出来,计算IOU的函数没完全写对。当头一凉,其实之前在知乎上看到过说面试要准备的, 阅读全文
posted @ 2019-10-29 15:08 cheatingdeath 阅读(240) 评论(0) 推荐(0) 编辑
摘要: filename1=data['a_name'][0] image_tensor=inputs[0] pdb.set_trace() image_numpy = image_tensor.cpu().float().numpy() image_numpy = (np.transpose(image_ 阅读全文
posted @ 2019-10-22 14:57 cheatingdeath 阅读(236) 评论(0) 推荐(0) 编辑
摘要: import sysimport osfrom PyQt5.Qt import *from PyQt5.QtGui import *from PyQt5.QtCore import *import cv2import numpy as np class TestListView(QListWidge 阅读全文
posted @ 2019-10-21 19:53 cheatingdeath 阅读(123) 评论(0) 推荐(0) 编辑
摘要: import cv2import numpy as np#载入图片#img_original=cv2.imread('1110_3_1_X_537_Y_1700_qly_100_fail_13d17h46m24s.bmp',0)img_original=cv2.imread('1141_1_1_X_ 阅读全文
posted @ 2019-10-18 15:05 cheatingdeath 阅读(256) 评论(0) 推荐(0) 编辑
摘要: import numpy as npimport cv2def motion_blur(image, degree=12, angle=45): image = np.array(image) # 这里生成任意角度的运动模糊kernel的矩阵, degree越大,模糊程度越高 M = cv2.get 阅读全文
posted @ 2019-10-18 11:08 cheatingdeath 阅读(375) 评论(0) 推荐(0) 编辑