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. 无监督计算机视觉最新进展

  2. Unsupervised Computer Vision: The State of the Art | Stitch Fix Technology – Multithreaded by TJ TORRES 内容包括：1.变自动编码器（VAE）；2.生成对抗性网络（GAN）；3.两个（VAE/ GAN）的组合；4.生成矩匹配网络（GMMN）；5.对抗性自动编码器（AAE？）。

  3. 所属分类：讲义

    • 发布日期：2016-02-05
    • 文件大小：16777216
    • 提供者：happytofly

  1. mybatisGan自动生成mapper和entity对象

  2. mybatisGan自动生成mapper和entity对象，支持mysql 和oracle数据库

  3. 所属分类：其它

    • 发布日期：2016-12-08
    • 文件大小：4194304
    • 提供者：helunfu

  1. 东南大学 崇志宏：VAE和GAN技术要点（部分内容）

  2. 变分自动编码和对抗生成网络在深度学习领域取得广泛的影响力，其背后思想和方法技巧可以在wake-sleep框架下进行统一和相互改进。本来希望能够这方面的工作做个总结，但是发现这是一个大的topic，涉及的文献源远流长，很难把握其中的要义，只要做成一个部分的ppt，需要继续努力完整这个讨论！

  3. 所属分类：深度学习

  1. keras示例程序

  2. addition_rnn.py 执行序列学习以执行两个数字（作为字符串）的添加。 antirectifier.py 演示如何为Keras编写自定义图层。 babi_memnn.py 在bAbI数据集上训练一个内存网络以进行阅读理解。 babi_rnn.py 在bAbI数据集上训练一个双支循环网络，以便阅读理解。 cifar10_cnn.py 在CIFAR10小图像数据集上训练一个简单的深CNN。 conv_filter_visualization.py 通过输入空间中的渐变上升可视化 VGG1

  3. 所属分类：深度学习

    • 发布日期：2017-10-23
    • 文件大小：10485760
    • 提供者：manoerina0411

  1. vae thesis

  2. 变分自动编码器是auto-encoder的一种，也是一种生成模型。变分编码器是自动编码器的升级版本，其结构跟自动编码器是类似的，也由编码器和解码器构成。有一些使用VAE好处，就是我们可以通过编码解码的步骤，直接比较重建图片和原始图片的差异，但是GAN做不到。 这篇文档是一个结合深度学习的新版本，值得一试。

  3. 所属分类：深度学习

    • 发布日期：2019-04-11
    • 文件大小：12582912
    • 提供者：nkfengqiao

  1. 生成式对抗网络研究综述 2019-03

  2. 深度学习领域一个十分活跃的分支—生成式对抗网络( GAN) 已经成为人工智能学界一个热门的研究方向。生成式对 抗网络采用无监督的学习方式，自动从源数据中进行学习，在不需要人工对数据集进行标记的情况下就可以产生令人惊叹的效 果。阐述了 GAN 的背景、基本思想，对其相关理论、训练机制和应用研究进行了梳理， 总结了 GAN 的常见网络构架、训练技巧 与模型评估标准，还进行了 GAN 与其他生成模型 VAE、衍生模型的对比，最后进行分析总结，指出 GAN 的优缺点并对未来发展 方向进行展望。

  3. 所属分类：深度学习

  1. 基于生成式对抗网络的交互式图像生成系统iGAN.zip

  2. iGAN，又名 interactive GAN ，也就是作者在交互式图像生成接口的实现中所描述的：自然图像流形上的可视化操作的生成。该系统基于类似 GAN and DCGAN 这些深度生成模型（Deep Generative Models），提供以下两种服务：- 自动生成通过笔触描绘出的颜色和形状的智能绘图接口。- 用于理解和可视化深度生成模型的交互式可视化调试工具。 标签：iGAN

  3. 所属分类：其它

    • 发布日期：2019-07-19
    • 文件大小：9437184
    • 提供者：weixin_39841856

  1. 基于注意力机制的行人轨迹预测生成模型（AttenGAN）.pdf

  2. 针对长 短期记忆网络（LSTM） 在行人轨迹预测问题中孤立考虑单个行人，且无法进行多种可能性预测的问题，提出基于注意力机制的行人轨迹预测生成模型（AttenGAN），来对行人交互模式进行建模和概率性地对多种合理可能性进行预测。AttenGAN 包括一个生成器和一个判别器，生成器根据行人过去的轨迹概率性地对未来进行多种可能性预测，判别器用来判断一个轨迹是真实的还是由生成器伪造生成的，进而促进生成器生成符合社会规范的预测轨迹。生成器由一个编码器和一个解码器组成，在每一个时刻，编码器的LSTM综合注

  3. 所属分类：其它

    • 发布日期：2019-07-23
    • 文件大小：1048576
    • 提供者：weixin_39840515

  1. 深度学习理论与架构最新进展综述论文

  2. 本文章从深度神经网络(DNN)入手，对深度学习(DL)领域的研究进展进行了简要的综述。内容包括：卷积神经网络(CNN)、循环神经网络(RNN)、长时记忆(LSTM)和门控递归单元(GRU)、自动编码器(AE)、深度信念网络(DBN)、生成对抗性网络(GAN)和深度强化学习(DRL)。

  3. 所属分类：机器学习

    • 发布日期：2020-08-28
    • 文件大小：3145728
    • 提供者：syp_net

  1. webcam-pix2pix-tensorflow:网络摄像头pix2pix的源代码和预训练模型-tensorflow source code

  2. 这是我最近在和vimeo上发布的网络摄像头pix2pix演示的源代码和预训练模型。 它使用深度学习或抛出一些流行语：深度卷积条件生成对抗性网络自动编码器。 概述 实际上，此特定存储库中的代码与pix2pix，GAN甚至深度学习无关。 它仅加载任何预训练的张量流模型（只要符合一些约束），将其输入经过处理的网络摄像头输入，并显示该模型的输出。 碰巧我训练和使用的模型是pix2pix（下面有详细信息）。 即，这些步骤可以总结为： 收集数据：在网络上刮取大量图像，进行预处理并准备训练数据 训练并

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：20480
    • 提供者：weixin_42132359

  1. SoftwareStoryPointsPrediction:该项目将提供有关如何通过自然语言处理和机器学习从文本描述中自动估计每个软件任务的故事点的背景知识。-源码

  2. 机器学习和自然语言处理的敏捷开发中的软件工作量预测 软件开发项目的成功除其他因素外，还取决于项目和时间管理。用于帮助敏捷软件开发的时间管理和估计项目时间表的一种流行方法是估计故事点数，该故事点数表示每个单个软件问题或请求的开发工作量（以工时为单位）。在本文中，我们探索了各种文本向量化机器学习技术，以预测以故事点数衡量的软件开发工作量。我们的结果表明，该问题可以表述为分类问题或回归问题，并可以通过监督学习成功解决。此外，我们的几种回归模型比以前的文献具有更高的准确性。我们还证明，与一般的半监督学习

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：1041235968
    • 提供者：weixin_42161497

  1. lightweight-gan:在Pytorch的ICLR 2021中提出的“轻量级” GAN的实现。 可以在一两天内进行训练的高分辨率图像生成-源码

  2. 训练12小时后512x512鲜花，1 gpu 训练12小时后256x256朵鲜花，1 gpu 比萨 ``轻巧''GAN 在Pytorch的ICLR 2021中提出的实现。 本文的主要贡献是发生器中的跳层激励，以及鉴别器中的自动编码自监督学习。 引用单行摘要“在经过数小时培训的情况下，可以在1024 g分辨率的数百张图像上融合在单个gpu上”。 安装 $ pip install lightweight-gan 使用 一个命令 $ lightweight_gan --data ./path/t

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：9437184
    • 提供者：weixin_42099987

  1. Anim_GAN:PyTorch-Gan自动生成的动漫头像-源码

  2. 2021.03.04 最近看了一些有关GAN对抗神经网络的书，然后看的一些书上有扭曲GAN生成各种图像的程序，自己也尝试着跟着pytorch的工具书写了一个非常简陋的GAN对抗生成动漫头像的小项目 训练集（动漫头像主要来自于safe.booru.donmai.us），可以非常方便的通过爬虫进行爬取，因为爬取的网页一页有20张jpg，所以计数单位是页码运行download.py或download_threads即可，通常来说1000个数据集有点过少了，可以适当增加到10000到100000个 下载

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：26624
    • 提供者：weixin_42117622

  1. Face_generation_using_DCGAN：Tensorflow 1.x用于构建能够生成假名人面Kong的DCGAN-源码

  2. 使用DCGAN生成人脸 生成建模是机器学习中的无监督学习任务，涉及自动发现和学习输入数据中的模式，以使模型可用于生成不在原始数据集中的新示例。 DCGAN或Deep Convolutional GAN是一种网络体系结构，能够生成大小为64x64的RGB图像。 深卷积生成对抗网络的想法，在此提出了。 概述 该项目使用DCGAN生成名人的假脸图像，该模型在上进行了训练。 下面的GIF显示了生成器如何学会随着时间的推移生成假脸。 该模型经过了150个时期的训练，然后能够生成不错的假人脸图像，下面给出

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：6291456
    • 提供者：weixin_42114645

  1. gans-awesome-applications：精选的GAN应用程序和演示清单-源码

  2. gans-awesome应用程序 精选的GAN应用程序和演示清单。 注意：列表中不包括针对简单图像生成的常规GAN论文，例如DCGAN，BEGAN等。 我主要关心应用程序。 我尊重的标志性论文。 生成对抗网络， ， 深度卷积生成对抗网络的无监督表示学习， ， 训练GAN的改进技术， ， 开始：边界均衡生成对抗网络， ， 内容 使用此内容列表，或直接按Command + F搜索关键字 使用GAN的应用程序 字体生成 使用条件GAN学习汉字样式， ， 通过单阶段很少学习的艺

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：211968
    • 提供者：weixin_42127020

  1. faceswap-GAN：去噪自动编码器+对抗损失和面部交换注意机制-源码

  2. 换脸 在Deepfakes的（reddit用户）自动编码器体系结构中添加对抗损失和感知损失（VGGface）。 更新 日期 更新 2018-08-27 Colab支持：提供了用于faceswap-GAN v2.2的。 2018-07-25 数据准备：添加一个用于视频预处理的，其中将MTCNN用于面部检测和面部对齐。 2018-06-29 模型体系结构：faceswap-GAN v2.2现在支持不同的输出分辨率：64x64、128x128和256x256。 可以在的config单元中更改

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：1048576
    • 提供者：weixin_42128315

  1. DL_Project：使用GAN进行DeepFake图像检测-源码

  2. 使用GAN进行DeepFake图像检测 深度学习项目-最终项目代码-团队ID：12 贡献者：Aditya Upadhyayula，Amrit Nidhi，Samarth Marudheri，Shreyash Kumar 数据链接： : 所有模型的精度和损耗图都将上载到plots文件夹中。 以下是按项目工作流程顺序提交的脚本的说明：git a convert_img.py ：脚本将.jpg图片缩小为64x64。 调整大小后，所有图像都存储为Numpy数组。 GAN_train.ip

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：710656
    • 提供者：weixin_42101237

  1. iSketchNFill：可以在用户开始绘制时自动完成草图的软件-源码

  2. iSketchNFill 我们提出了一种基于GAN的交互式草图到图像转换方法，该方法可以帮助新手用户轻松创建简单对象的图像。 用户从稀疏草图和所需的对象类别开始，然后网络推荐其合理的补全并显示相应的合成图像。 这样可以实现反馈循环，用户可以在其中基于网络的建议来编辑草图，而网络则可以更好地合成用户可能想到的图像。 为了将单个模型用于广泛的对象类，我们引入了基于门控的类条件处理方法，该方法允许我们从单个生成器网络生成不同的类而不进行特征混合。 iSketchNFill： 先决条件 Linux或

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：94371840
    • 提供者：weixin_42117150

  1. 人脸生成器：使用神经网络生成人脸-源码

  2. 关于 如的论文所述，这是一种使用生成对抗网络（GAN）技术生成人脸新图像的脚本。 GAN同时训练两个网络：一个用于绘制/创建新图像的生成器（G）和一个用于区分真实图像和伪图像的鉴别器（D）。 G学会欺骗D认为自己的图像是真实的（即学会产生漂亮的图像）。 D学习防止被欺骗（即学习真实图像的外观）。 理想情况下，您最终得到一个G，可以产生看起来像真实图像的美丽图像。 在人脸上工作得相当好，可能是因为它们包含很多结构（自动编码器也可以在它们上很好地工作）。 该存储库中的代码是facebook 的修改

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：432128
    • 提供者：weixin_42157188

  1. ALAE：[CVPR2020]对抗性潜在自动编码器-源码

  2. [CVPR2020]对抗性潜在自动编码器 • • 官方文件库 阿拉伊 对抗性潜在自动编码器斯坦尼斯拉夫·皮德霍斯基，唐纳德·阿杰罗，吉安弗兰科·多雷托 摘要：自动编码器网络是一种无监督的方法，旨在通过同时学习编码器-生成器图来结合生成和表示属性。 尽管已进行了广泛的研究，但它们是否具有GAN的相同生成能力或学习解开表示法的问题尚未得到充分解决。 我们推出了一种自动编码器，可以共同解决这些问题，我们称之为对抗性潜在自动编码器（ALAE）。 它是一种通用架构，可以利用GAN培训程序的最新改进

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：214958080
    • 提供者：weixin_42102933
« 12 »