机器学习
关注
分享
扫一扫
文章平均质量分 83
Coding_Ann
Work as dog, i like code
展开
-
pytorch从预训练模型提取图像特征计算featureless
1.背景描述想借助一个预训练好的网络（非集成好的）计算feature-loss，预训练网络地址：表情识别net2具体实操2.1 加载模型作者已经给出了预训练好的模型参数和模型代码，首先我们要把模型load进来： from Expression.VGG import VGG model = VGG('VGG19') #check_pth 从网站上download下来P...原创 2020-03-05 12:21:53 · 1652 阅读 · 0 评论 -
Selection GAN：基于级联语义引导下的多通道注意力选择图像翻译
一．研究背景目前图像翻译问题的解决方案一般是基于Encoder-Decoder结构，即将原域图像编码后再解码到目标域中，然而这种方案在原域与目标域图像具有显著不同结构或重叠区域极少的情况下时翻译效果会大打折扣。作者发现之前利用语义图指导图像翻译的模型对于图像细节的翻译效果不佳，作者认为这是由于语义图一般是由深度预训练模型产生，并不能保证像素级的准确性。基于此作者提出了级联语义引导下的基于多通道注...原创 2019-08-21 14:18:05 · 1873 阅读 · 0 评论 -
CVPR2019|Rob-GAN:结合对抗攻击者的GAN
一．研究动机自2014年Goodfellow等人提出生成式对抗网络(Generative Adversarial Networks,GAN)以来，关于GAN稳定训练的研究层出不穷，其中较为突出的是2017年提出的Wasserstein GAN[1]以及2018年提出的SN-GAN[2]。其共同动机都是通过使鉴别器满足利普希茨（Lipschitz）限制条件（也就是让鉴别器更加鲁棒），从而提高模型的...原创 2019-08-01 21:39:21 · 2306 阅读 · 0 评论 -
梯度下降算法详解
写在前面梯度下降算法是机器学习中最重要的“利剑”之一，可能大家已经对于其思想了熟于心了，心想梯度下降不就是先随机初始化一组参数w然后计算损失函数对参数的梯度g再按w_new = w - r*g（其中r是学习率）进行计算就行了鸭。但不知道你有没有想过如下几个问题：1.为什么要按梯度的反方向进行计算？2.为什么学习率不能设置太大？如果你有这些困惑的话，相信你读完这篇文章应该会有所启发，那就现在...原创 2019-07-29 19:42:32 · 1031 阅读 · 0 评论 -
BN,LN,IN,GN的有趣解释
今天在知乎上看到了一个关于四种Normalization特别有趣的讲解，具体的大家可以去读一下大神的原作，关于四种Normalization的有趣且深刻的解释下面是转载该作者写的小故事（转载地址如上），分享给大家！为了能够更直观地理解四种Normalization的异同，大家可以体会下面的故事以做类比：很久很久以前，在遥远的L国内有一个神奇的理发馆，理发馆里面有很多勤劳的理发师，来...转载 2019-05-27 17:43:09 · 1423 阅读 · 1 评论 -
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks论文笔记
首先说一下：CycleGAN,DualGAN,DiscoGAN这三篇论文也太像了叭！！！只不过是生成器和鉴别器的架构有点不同而已，网络模型可以说是一毛一样了。。。难道这么相似都可以发论文吗？？？突然对我要发的论文有点信心了，嘿嘿嘿嘿。一．问题提出图像翻译问题是将一个物体的图像表征转换为该物体的另一种图像表征问题，例如草图到真实图的转化、白天到黑夜的转换以及图像风格渲染等。以往的图像翻译模型...原创 2019-05-27 12:48:36 · 532 阅读 · 0 评论 -
利用深层LSTM实现sin函数预测
先来简短的说一波概念问题~RNN的主要思想以及问题：每次的输入需要依赖上层节点的状态，如果网络结构非常深的话则初始状态就可能会被遗忘，但是在应用中会发现对于当前状态的输出有时需要依赖初始状态，这么说可能不太明白，比如我要预测“随着时间的流逝北京慢慢进入的夏天，....，北京城内种植了大量的柳树、杨树，这导致天空中到处都飘舞着___”，我需要根据夏天这个关键字以及柳树等来预测这里应该出现的是...原创 2019-05-06 12:16:24 · 1096 阅读 · 1 评论 -
《机器学习实战》-Chapter5-Logistic回归
Logistic回归是非常经典的分类算法，它可以对非线性可分的数据集进行分类（当然有误分类的情况），因为这本书主要针对初学者所以只考虑的二分类问题。这章的代码没有需要改动的，python2.X和python3.X均能跑。最开始的训练使用的是梯度上升算法来求解出拟合曲线的参数最优值，此时的计算均是矩阵运算。效果很不错：但是梯度上升算法对于数据量小的情况还比较适用，差别没那么明显，但是一旦...原创 2019-03-15 17:22:39 · 334 阅读 · 0 评论 -
有关图像修复的经典论文集合
持续更新...Globally andlocally consistent image completion（2017）. 作者：S. Iizuka, E. Simo-Serra, and H. Ishikawa. 主要思想：这篇论文主要是利用GAN的思想，采用两个鉴别器与生成器进行对抗，补全缺损图像。损失函数除了GAN损失外在生成器中还加入了MSE损失。 缺点：生成图像的分辨率...原创 2019-03-05 17:59:17 · 2914 阅读 · 0 评论 -
《机器学习实战》-chapter3-决策树
这一章主要是介绍决策树的算法思想并最后用决策树来预测隐形眼睛的类型，在python中一般使用字典数据类型来保存决策树，并借助matplotlib注解工具annotations来可视化决策树。目前的决策树构建算法有：ID3 C4.5 CART本章讲解的是ID3算法，其实这几个算法的不同主要是在选取根节点上的衡量标准不一样，ID3采用的是信息增益来衡量，即若某个节点的信息增益最大就把它作...原创 2019-03-04 19:55:08 · 275 阅读 · 0 评论 -
《机器学习实战》-chapter4-朴素贝叶斯
这一章主要是介绍了朴素贝叶斯的算法思想以及如何构造一个简单的朴素贝叶斯网络用来过滤掉垃圾邮件。首先在朴素贝叶斯中有两个非常重要的假设：假设所有的特征都是独立的 假设所有的特征都是同等重要的具体的细节大家可以在书上找到，下面说一下这一章需要改的地方（由于Python版本不同而导致的错误，我是在python3.6下进行实验的）：emai/ham/23.txt需要把第二行第一个单词后面的...原创 2019-03-04 19:27:46 · 384 阅读 · 0 评论 -
Globally and Locally Consistent Image Completion 实验记录
下面是我当时在复现这篇论文是时的过程，不想看的可以直接去我的Github上看代码。https://github.com/CoderAnn/GLCI有问题可以留言，一定会尽全力解答。实验过程简介： 首先，我是基于Context Encoders:Feature Learning by Impainting(2016)复现SATOSHI IIZUKA等人在2017年发表的Gl...原创 2019-02-20 23:15:17 · 6190 阅读 · 26 评论