-
Squeeze-and-Excitation Networks
这篇是ImageNet2017的winner。虽然说ImageNet这个比赛已经凉了，但是SENet还是有一定借鉴的地方的。而且SENet最好的地方在于其高度扩展性。所以SENet配合各种Residual啊Inception啊都是可以的 SENet有点玄。 概述SENet解决的是图像多分类问题 SENet提出一种神经网络的performance的提升方式是将无需更多的监督（参数）能够获取空间相关性 …
-
Pix2pix:基于条件对抗网络图对图翻译
Pix2pix:基于条件对抗网络图对图翻译我现在正在研究GAN，GAN也正是我的兴趣方向之一。 本篇要讲的是pix2pix，讲道理，那个网页版我可以玩一年 Pix2pix官网 pix2pix论文 Pix2pix的github （注：原代码是用torch写的，但是作者也在官网提供了tensorflow版和pytorch版。起码不用面对lua这个语言） 图像翻译“翻译”常用于语言之间的翻译，就比如中 …
-
DeLiGAN: 对于多样性和有限数据的GAN
开始遨游CVPR2017，主要是为了学习更多的深度学习网络架构 讲道理计算机视觉的深度学习架构是深度学习各领域比较先进的，比如CNN，自编码器，GAN，注意力机制都是出于CV然后应用于其他领域的。所以即使我不学CV了还是要看CVPR的论文 论文本身 DeLiGAN 讨论一下GAN的缺点: Mode Collapse：当GAN无法达到识别网络D每趟的运行次数大于生成网络G的时候，生成网络生成的所 …