{{ post.title }}
📅 {{ post.desc.date }}
👁️ {{ post.desc.viewCount }}
💬 {{ post.desc.commentCount }}
阅读更多
摘要：
RPN(Region Proposal Network)介绍 > 特点从backbone 生成的Feture Map中 用一个 3x3 的Conv卷积核 遍历FeatureMap的每个点然后 根据每个点的感受野，回到最初始的图像层，感受野的中心点就是锚框中心点，然后在中心点生成3种不同大小不同长宽比 阅读全文
摘要：
人像生成模型 1.模型理论基础 扩散模型（Diffusion Model）： 1.1 Diffusion Model 原理 首先，Denoise Model 需要一个起始的噪声图像作为输入。这个噪声图像可以是完全随机的，也可以是一些特定的模式（如 高斯分布）或者形状。 - 接下来，随着 denois 阅读全文
摘要：
神经网络组成方式 人工组成： 搭建网络，结构可能不合理。 自动生长出神经元： 类似人类成长的过程， ？？约束条件。--》激活程度？？ 生长凋谢的过程 原始形态-》训练100-》测试-》效果不理想 找出性能不足的地方“ 如何计算性能不足-》 公公式 依据是什么”-》生长出神经元 再次进行训练 阅读全文
摘要：
无监督学习 聚类，（降维，特征学习）密度估计 生成模型 密度估计 显示密度估计-》 能给出输入是我分布的概率，但是可以给出近似真实样本的采样数据。 隐式密度估计 不能给出分布，但是可以给出近似真实样本的采样数据。 AE自编码器 特点： 编码器：从原始数据的提取特征到特征空间，可以用于特征提取 解码器 阅读全文