2020年2月21日
git的安装和使用
摘要： 1、安装 下载： https://git-scm.com/downloads 我下载的是：Git-2.19.1-64-bit.exe 安装： a. 双击Git-2.19.1-64-bit.exe开始安装。 b. 除安装路径以外，别的都选了默认。 c. 检查安装完成。 2、使用 打开软件： 阅读全文
posted @ 2020-02-21 15:54 皮卡皮卡妞 阅读(90) 评论(0) 推荐(0) 编辑
视频剪切成图像+图像合成视频+python
摘要： python编程，将视频剪切成图像，图像再合成视频 a. 视频剪切成图像： import cv2 import os vidcap = cv2.VideoCapture('./video/7.mp4') success,image = vidcap.read() count = 0 success 阅读全文
posted @ 2020-02-21 10:42 皮卡皮卡妞 阅读(1285) 评论(0) 推荐(1) 编辑
pytorch学习文档~主要涉及神经网络各个层的调用
摘要： 一、 卷积层 class torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True) 一维卷积层，输入的尺度是(N, C_in,L)，输出尺 阅读全文
posted @ 2020-02-21 10:05 皮卡皮卡妞 阅读(751) 评论(0) 推荐(0) 编辑
2020年2月20日
Attribute-Driven Spontaneous Motion in Unpaired Image Translation
摘要： 解决的问题 前人的做法： Ÿ Success of image translation methods mostly imposes the requirement of working on aligned or similar domains for texture or appearance 阅读全文
posted @ 2020-02-20 17:57 皮卡皮卡妞 阅读(192) 评论(0) 推荐(0) 编辑
Learning to Discover Cross-Domain Relations with Generative Adversarial Networks
摘要： 目的：提出一个基于GAN的网络框架来学习发现跨域关系（cross-domain relation），把寻找这种关系变成了用一种风格的图片生成另一种风格。 模型： 左边标准GAN,右边带有重建损失的GAN. DiscoGAN： 阅读全文
posted @ 2020-02-20 17:48 皮卡皮卡妞 阅读(328) 评论(0) 推荐(0) 编辑
Globally and Locally Consistent Image Completion
摘要： 论文地址： http://iizuka.cs.tsukuba.ac.jp/projects/completion/en/ 目标： 进行图像填充，填充任意形状的缺失区域来完成任意分辨率的图像。 网络构造： 完成网络：完成网络是完全卷积的，用来修复图像。 全局上下文鉴别器：以完整的图像作为输入，识别场景 阅读全文
posted @ 2020-02-20 17:45 皮卡皮卡妞 阅读(612) 评论(0) 推荐(0) 编辑
Image Inpainting for Irregular Holes Using Partial Convolutions
摘要： 来源： NVIDIA Corporation。 优势： a. 对缺失的图像做恢复。目前效果最好，针对规则形状的污染和非规则形状的污染都有好的效果。 b. 端到端，不需要后处理。 c. 提供超级大的数据库啊，做这个方面会有需求的。数据量是：训练55116，测试24866在这个基础上我们还可以进行扩充的 阅读全文
posted @ 2020-02-20 17:41 皮卡皮卡妞 阅读(594) 评论(0) 推荐(0) 编辑
各种BN操作
摘要： 来源： https://blog.csdn.net/liuxiao214/article/details/81037416 介绍： 阅读全文
posted @ 2020-02-20 17:32 皮卡皮卡妞 阅读(625) 评论(0) 推荐(0) 编辑
各种形式的矩阵微分
摘要： 博客对各种形式的微分进行整理 感谢的网址： https://zhuanlan.zhihu.com/p/34826167 假设： 标量，形如：x,y 向量，形如 矩阵，形如： 1、标量对标量微分 2、向量对标量微分 3、矩阵对标量微分 3、标量对向量微分 4、向量对向量微分 5、标量对矩阵微分 阅读全文
posted @ 2020-02-20 16:49 皮卡皮卡妞 阅读(307) 评论(0) 推荐(0) 编辑
数据扩增(data augmentation)
摘要： 能够查阅的网址： https://github.com/CrazyVertigo/awesome-data-augmentation 这个网址包含了很多主流的数据扩增方法。涉及数据扩增，建议查阅这个网址，自己去找想用方法。非常nice的是，怎么安装、调用，都有非常详细的说明。 本人采用过的数据扩增方 阅读全文
posted @ 2020-02-20 11:54 皮卡皮卡妞 阅读(1222) 评论(0) 推荐(0) 编辑