注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. stylegan2-ada:具有自适应鉴别器增强（ADA）的StyleGAN2-官方TensorFlow实施-源码

  2. 具有自适应鉴别器增强（ADA）的StyleGAN2 — TensorFlow正式实施 用有限的数据训练生成对抗网络Tero Karras，Miika Aittala，Janne Hellsten，Samuli Laine，Jaakko Lehtinen，Timo Aila 摘要：使用太少的数据训练生成对抗网络（GAN）通常会导致判别器过度拟合，从而导致训练分散。 我们提出了一种自适应鉴别器增强机制，该机制可显着稳定有限数据体制中的训练。 该方法不需要更改丢失功能或网络体系结构，并且适用于从

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_42136837

  1. stylegan2-ada-pytorch:StyleGAN2-ADA-官方PyTorch实施-源码

  2. StyleGAN2-ADA —官方PyTorch实施 用有限的数据训练生成对抗网络Tero Karras，Miika Aittala，Janne Hellsten，Samuli Laine，Jaakko Lehtinen，Timo Aila 摘要：使用太少的数据训练生成对抗网络（GAN）通常会导致判别器过度拟合，从而导致训练分散。 我们提出了一种自适应鉴别器增强机制，该机制可显着稳定有限数据环境中的训练。 该方法不需要更改丢失功能或网络体系结构，并且适用于从头开始训练以及在其他数据集上对现

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：1048576
    • 提供者：weixin_42151772

  1. 超数据高效GAN培训：[预印本]“超数据高效GAN培训：先抽彩票，然后再进行严格的培训”，陈天龙，于成，甘哲，刘晶晶，王张扬-源码

  2. 超数据有效的GAN培训：先抽奖，然后再进行严格的培训 本文的代码。 [预印本] 陈天龙，于成，甘哲，刘晶晶，王章阳。 概述 用有限的数据训练生成对抗网络（GAN）通常会导致性能下降和模型崩溃。 为了克服这一挑战，我们受到了的最新观察的 ； 指出，人们可以从GANs中发现可独立训练且高度稀疏的子网（又称彩票）。 将其视为归纳先验，我们将数据饥渴的GAN训练分解为两个连续的子问题： （i）从原始GAN识别彩票； （ii）然后使用积极的数据和特征增强对找到的稀疏子网进行训练。 这两个子问题

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：584704
    • 提供者：weixin_42137539

  1. 使用GAN的图像增强-源码

  2. 使用GAN的图像增强 项目

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：231424
    • 提供者：weixin_42102220

  1. 用官方风格雇用员工-源码

  2. StyleGAN2-ADA —官方PyTorch实施 用有限的数据训练生成对抗网络Tero Karras，Miika Aittala，Janne Hellsten，Samuli Laine，Jaakko Lehtinen，Timo Aila 摘要：使用太少的数据来训练生成对抗网络（GAN）通常会导致判别器过度拟合，从而导致训练分散。 我们提出了一种自适应鉴别器增强机制，该机制可显着稳定有限数据环境中的训练。 该方法不需要更改丢失功能或网络体系结构，并且适用于从头训练和微调另一个数据集上的现

  3. 所属分类：其它

    • 发布日期：2021-02-08
    • 文件大小：1048576
    • 提供者：weixin_42099116

  1. 数据有效的gans：[NeurIPS 2020]数据有效的GAN培训的差异化增强-源码

  2. 具有DiffAugment的数据高效GAN | | | 仅使用100张奥巴马，脾气暴躁的猫，熊猫，叹息桥，美第奇喷泉，天坛的图像而无需预先训练即可生成。 [NEW！]我们的发布了！ [NEW！]支持FFHQ培训！ 请参阅自述文件。 [NEW！]时间产生100次插值视频与 ！ [NEW！]我们的库（用于TPU培训）已发布！ [NEW！]我们的 PyTorch存储库已发布！ 该存储库包含我们在PyTorch和TensorFlow中实现的微分增强（DiffAugment）。 它可以用来

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：6291456
    • 提供者：weixin_42121412

  1. CellularSementicSegmentation:使用自训练和生成数据集增强来训练标记不良的电子显微镜图像上的分割模型-源码

  2. 细胞电子显微镜图像的语义分割 阅读论文 ！ 要查看结果，请运行seg_test.py ， generator_viewer.py或report_visualizations.py 。 要训​​练新的或现有的U-Net进行细分，请运行set_main.py 。 要训​​练新的或现有的GAN，请运行style_main.py 。 注意：由于提交中仅包含原始数据的一小部分，因此无法进行实际培训 要求：火炬，火炬视觉，numpy，熊猫，tqdm，matplotlib，枕头

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：84934656
    • 提供者：weixin_42139429