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. 生成对抗网络GAN正则化方法: 近期研究综述

  2. 尽管生成式对抗网络(GAN)的历史并不长，但它已被广泛地研究和用于各种任务，包括其最初的目的，即合成样品的生成。然而，将GAN用于具有不同神经网络结构的不同数据类型，由于其在训练方面的局限性，使得模型很容易出现混乱。

  3. 所属分类：机器学习

    • 发布日期：2020-05-21
    • 文件大小：699392
    • 提供者：syp_net

  1. 生成对抗网络加速科学发展：在多层热量计中的3D粒子阵雨应用

  2. 大型强子对撞机（LHC）的物理学家依靠粒子碰撞的详细模拟来建立对不同理论建模假设下的实验数据的期望。 尽管开发使用现有算法和计算资源要花费很大的成本，但开发分析技术仍需要PB级的模拟数据。 探测器的建模以及颗粒级联与量热仪中的物质相互作用时的精确级联

  3. 所属分类：其它

    • 发布日期：2020-03-22
    • 文件大小：753664
    • 提供者：weixin_38706197

  1. 生成对抗网络（GAN）代码+数据集

  2. 生成对抗网络（GAN）实例 代码+数据集 很实用的代码，并且简单易学，对深度学习感兴趣的可以看看 数据集有手写图片的识别，也可以替换成自己的数据集

  3. 所属分类：深度学习

    • 发布日期：2020-01-07
    • 文件大小：11534336
    • 提供者：chengbi0653

  1. 生成对抗网络（GANs）最新家谱：为你揭秘GANs的前世今生

  2. 生成对抗网络（ AN）一经提出就风光无限，更是被Yann L un誉为“十年来机器学 习领域最有趣的想法”。 GAN“左右互搏”的理念几乎众所周知，但正如卷积神经网络（CNN）一样，GAN发展 至今已经衍生出了诸多变化形态。望伪图像的分布尽可能地接近真图像。或者,简单来说,我们想要伪图像尽可能看起 来像真的一样。 值得一提的是,因为GANs是用极小化极大算法做优化的,所以训练过程可能会很不稳 定。不过你可以使用一些“小技巧”来获得更稳健的训练过程。 在下面这个视频中,你可以看到GANs所生成图片

  3. 所属分类：深度学习

    • 发布日期：2019-07-02
    • 文件大小：1048576
    • 提供者：abacaba

  1. 生成对抗网络综述：算法、理论与应用.rar

  2. 密歇根大学关于生成式对抗网络的28页综述。生成性对抗网络是近年来研究的热点。GANs自2014年以来得到了广泛的研究，并提出了大量的算法。然而，很少有全面的研究解释不同甘氨酸变体之间的联系，以及它们是如何进化的。本文从算法、理论和应用的角度对各种GANs方法进行了综述。首先，详细介绍了GANs算法的基本原理、数学表示和结构。此外，GANs还与其他机器学习算法结合用于特定应用，如半监督学习、转移学习和强化学习。本文比较了这些GANs方法的共性和差异。其次，研究了与政府机关有关的理论问题。再次，介绍

  3. 所属分类：互联网

    • 发布日期：2020-06-09
    • 文件大小：1048576
    • 提供者：weixin_44809329

  1. 一种基于生成对抗网络由父母照片生成子女照片的方法.pdf

  2. 卷积神经网络。发明专利说明书。本发明公开了一种基于生成对抗网络由父 母照片生成子女照片的方法，将人脸图像数据行 划分为训练样本集与测试样本集，并对训练样本 集中的人脸图像进行数据预处理。之后，重新构 建生成对抗中生成器的卷积神经网络结构

  3. 所属分类：深度学习

    • 发布日期：2020-06-09
    • 文件大小：687104
    • 提供者：phytle0

  1. ganbert:使用半监督生成对抗网络增强BERT训练-源码

  2. 甘伯特 论文代码GAN-BERT：具有健壮标签分类示例的生成式对抗性学习和一堆带标签的示例已在2020年ACL上发表-Danilo Croce （罗马大学Tor Vergata），朱塞佩·卡斯特鲁奇（ Giuseppe Castellucci） （亚马逊）和Roberto Basili的短文（罗马大学的Tor Vergata）。该文件可以在找到。 GAN-BERT是BERT的扩展，它使用“生成对抗”设置来实现有效的半监督学习模式。它允许使用由有限数量的标记示例和未标记材料的较大子集组成的数据集

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：657408
    • 提供者：weixin_42138788

  1. PyTorch-StudioGAN:StudioGAN是一个Pytorch库，为有条件无条件图像生成提供代表性的生成对抗网络（GAN）的实现-源码

  2. StudioGAN是一个Pytorch库，为有条件/无条件图像生成提供了代表性的生成对抗网络（GAN）的实现。 StudioGAN旨在为现代GAN提供一个完全相同的场所，以便机器学习研究人员可以轻松比较和分析新想法。 特征 PyTorch的广泛GAN实施 使用CIFAR10，Tiny ImageNet和ImageNet数据集的GAN的综合基准 比原始实现更好的性能和更低的内存消耗 提供与最新的PyTorch环境完全兼容的预训练模型 支持多GPU（DP，DDP和多节点DistributedData

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：8388608
    • 提供者：weixin_42127835

  1. 基于去噪和重构正则化的生成对抗网络

  2. 本文提出了一种快速，简便的实现方法，该方法利用真实数据的去噪损失和潜在代码的重建损失来处理生成对抗网络（GAN）的训练不稳定性和模式崩溃。 鉴别器从损坏的真实数据中获知的特征被生成器用来恢复真实数据。 由于去噪损失可以估计数据生成密度的局部属性，因此将去噪损失添加到GAN目标函数可以提高生成样本的质量和多样性。 将潜在代码的重建损失添加到生成器中可进一步提高GAN的性能。 因此，发生器的优化信号来自三个方面：标准GAN中的对抗损失，真实数据的去噪损失和潜码的重建损失，这有助于防止无梯度问题。 我

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38698927

  1. 基于深度卷积生成对抗网络和拓展近邻重排序的行人重识别

  2. 行人重识别任务旨在识别不相交摄像头视图下的相同行人.这项任务极具挑战性,尤其是当数据集中每个行人仅仅有几张图片时.针对行人重识别数据集中行人图片数量不足的问题,提出一个从原始数据集中生成额外训练数据的方法.在这项工作之中存在2个挑战:1)如何从原始数据集之中获取更多的训练数据;2)如何处理这些新生成的训练数据.使用深度卷积生成对抗网络来生成额外的无标签行人图片,并采用标签平滑正则化来处理这些新生成的无标签行人图片.为了进一步提升行人重识别准确度,提出了一种新的无监督重排序框架.此框架既不需要为每

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38656103

  1. 具有重建损失的改进型生成对抗网络

  2. 我们提出了一个简单的正则化方案来处理生成对抗网络（GAN）中的模式缺失和训练不稳定的问题。 关键思想是利用鉴别器学习到的视觉特征。 我们通过向生成器提供由鉴别器提取的真实数据特征来重建真实数据。 将重建损失添加到GAN的目标函数中，以强制生成器可以根据鉴别器的特征进行重建，这有助于明确指导生成器朝着接近实际数据的可能配置进行。 所提出的重建损失提高了GAN的性能，在不同的数据集上产生了更高质量的图像，并且可以轻松地与其他正则化损失函数（例如梯度罚分）组合以提高各种GAN的性能。 我们对不同数据集

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38609571

  1. GANs_on_MNIST_Torch:MNIST数据库上的生成对抗网络-源码

  2. GANs_on_MNIST_Torch 使用PyTorch在MNIST数据库上生成对抗网络。 数据集 MNIST：手写数字。 结果 通过训练生成图像 纪元1 纪元10 纪元50 时代200 判别器和生成器损耗 发电机 判别器 分母对真实数据和生成数据的均值预测 真实影像 假图片

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：16777216
    • 提供者：weixin_42152298

  1. gansformer：生成对抗型变形金刚-源码

  2. GANsformer：生成对抗式变压器 Drew A.Hudson *和C.Lawrence Zitnick *我要感谢克里斯托弗·曼宁（Christopher D. Manning）在开发Bipartite变压器时所进行的富有成果的讨论和建设性的反馈，尤其是在语言表示领域内进行探索时，以及为使这项工作能够实现而提供的财政支持！ 这是模型的一种实现，这是一种新颖且高效的变压器，已针对图像生成任务进行了探索。 该网络采用双向结构，可在整个图像上进行远距离交互，同时保持线性效率的计算，可以轻松扩

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：121856
    • 提供者：weixin_42097967

  1. 改进的边界平衡生成对抗网络

  2. 边界平衡生成对抗网络（BEGAN）可以生成令人印象深刻的逼真的人脸图像，但是在生成的图像的质量和多样性之间需要权衡取舍。 基于BEGAN，我们提出了一种有效的方法来生成具有更高质量和更好多样性的图像。 通过向鉴别器添加第二损失函数（去噪损失），鉴别器可以了解有关真实图像分布的更多有用信息。 自然地，鉴别器在真实图像和生成图像之间进行区分的能力得到了提高，这进一步指导了生成器生成更真实的图像，从而使鉴别器产生混淆。 我们还发现，在BEGANs体系结构中使用批量归一化技术可以提高生成图像的多样性。

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：1048576
    • 提供者：weixin_38638004

  1. 基于改进生成对抗网络和MobileNetV3的带钢缺陷分类

  2. 针对数据集样本数量较少会影响深度学习检测效果的问题,提出了一种基于改进生成对抗网络和MobileNetV3的带钢缺陷分类方法。首先,引入生成对抗网络并对生成器和判别器进行改进,解决了类别错乱问题并实现了带钢缺陷数据集的扩充。然后,对轻量级图像分类网络MobileNetV3进行改进。最后,在扩充后的数据集上训练,实现了带钢缺陷的分类。实验结果表明,改进的生成对抗网络可生成比较真实的带钢缺陷图像,同时解决深度学习中样本不足的问题;且改进的MobileNetV3参数量是原有参数量的1/14左右,准确率

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：2097152
    • 提供者：weixin_38679277

  1. 基于哈希算法及生成对抗网络的图像检索

  2. 哈希方法是大规模图像检索中生成哈希码的有效方法。现有的哈希方法首先提取描述图像整体的特征, 然后生成哈希码, 但得到的哈希码并不精确。为了得到更精确的检索效果, 提出一种新的检索方法, 即采用卷积神经网络提取图像特征, 利用哈希算法与输入二进制噪声变量的生成对抗网络共同学习图像的二进制哈希码, 利用汉明距离对图像进行相似性比较, 最后完成对图像数据的有效检索。在标准图像数据集上进行实验, 结果证明, 该方法可以有效地进行图像检索, 相比现有的哈希方法, 该方法的检索性能也得到了提升。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：5242880
    • 提供者：weixin_38606076

  1. 基于改进生成对抗网络的水下激光图像后向散射光修复方法

  2. 为提高水下激光图像的质量，改进了生成对抗网络的生成网络，使其成为一种包含跳跃结构和空洞卷积的深度卷积神经网络。利用该网络从自建数据集中学习待修复图像到目标图像的端到端映射参数，再对带有强后向散射光的水下激光图像进行修复。实验结果表明，所提方法能够快速对后向散射光区域进行填充修复，相比传统去噪和增强对比度方法联合处理的结果，所提方法的峰值信噪比平均提高了9.10 dB，特征相似度平均提高了0.11，实现了水下激光图像的去噪、对比度增强和非均匀性照明改善，较好地去除了后向散射光。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：10485760
    • 提供者：weixin_38714637

  1. 基于级联多尺度信息融合对抗网络的红外仿真

  2. 提出了一种应用于红外图像仿真的级联多尺度信息融合生成对抗网络,能由可见光图像估计对应的红外图像。针对可见光与红外图像特征之间的关联与区别,该网络采用级联的对抗网络结构:第一级对抗网络以语义分割图像为辅助任务,使用大感受野的卷积网络结构,重建红外图像的结构信息;第二级对抗网络以可见光的灰度反转图像为辅助任务,采用小感受野的网络结构,补充红外仿真图像的细节纹理信息,并使用多尺度融合模块整合多感受野信息以提升算法精度。在先进算法的通用数据集上进行实验,结果表明,级联多尺度信息融合对抗网络能够实现可见光

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：5242880
    • 提供者：weixin_38596485

  1. generative_adversarial_networks_101：生成对抗网络的Keras实现。 具有MNIST和CIFAR-10数据集的GAN，DCGAN，CGAN，CCGAN，WGAN和LSGAN模型-源码

  2. generative_adversarial_networks_101：生成对抗网络的Keras实现。 具有MNIST和CIFAR-10数据集的GAN，DCGAN，CGAN，CCGAN，WGAN和LSGAN模型

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：3145728
    • 提供者：weixin_42140625

  1. 基于生成对抗网络的文本序列数据集脱敏

  2. 基于生成对抗网络和差分隐私提出一种文本序列数据集脱敏模型，即差分隐私文本序列生成网络（DP-SeqGAN）。DP-SeqGAN通过生成对抗网络自动提取数据集的重要特征并生成与原数据分布接近的新数据集，基于差分隐私对模型做随机加扰以提高生成数据集的隐私性，并进一步降低鉴别器过拟合。DP-SeqGAN 具有直观通用性，无须对具体数据集设计针对性脱敏规则和对模型做适应性调整。实验表明，数据集经DP-SeqGAN脱敏后其隐私性和可用性明显提升，成员推断攻击成功率明显降低。

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：1048576
    • 提供者：weixin_38660731
« 12 3 4 5 6 7 8 9 10 »