- 博客(0)
- 资源 (8)
- 收藏
- 关注
GAN生成图像综述.pdf
围绕 GAN 的研究 的研究 可以分为两条主线,一是 可以分为两条主线,一是 可以分为两条主线,一是 理论主线, 理论主线, 从数学理论上研究如何解决 从数学理论上研究如何解决 从数学理论上研究如何解决 GAN 的不稳定性和模式崩塌问题 的不稳定性和模式崩塌问题 的不稳定性和模式崩塌问题 ,或者从信息理论和基于能量的模型等不同角度重新阐述它。 或者从信息理论和基于能量的模型等不同角度重新阐述它。 或者从信息理论和基于能量的模型等不同角度重新阐述它。 或者从信息理论和基于能量的模型等不同角度重新阐述它。 或者从信息理论和基于能量的模型等不同角度重新阐述它。 或者从信息理论和基于能量的模型等不同角度重新阐述它。 或者从信息理论和基于能量的模型等不同角度重新阐述它。 或者从信息理论和基于能量的模型等不同角度重新阐述它。 二 是应用主线, 致力于 将 GAN 应用于计算机视觉领域 应用于计算机视觉领域 应用于计算机视觉领域 、利用 GAN 进行 图像生成 (指定图像合成、 (指定图像合成、 (指定图像合成、 文本到图像,、视频)以及 文本到图像,、视频)以及 文本到图像,、视频)以及 文本到图像,、视频)以及 文本到图像,、视频)以及 文本到图像,、视频)以及 将 GAN 应用于 应用于 NLP 或其它领域 其它领域 。利用 GAN 进行 图像生 成和转换 是当前 研究最多的,并且该领域已经证明了 研究最多的,并且该领域已经证明了 研究最多的,并且该领域已经证明了 研究最多的,并且该领域已经证明了 研究最多的,并且该领域已经证明了 研究最多的,并且该领域已经证明了 GAN 在图像合成中 在图像合成中 的巨大潜力。
2019-12-12
GANomaly Semi-Supervised Anomaly.pdf
异常检测是计算机视觉中的经典问题,即当数据集由于另一类的样本量不足(异常)而高度偏向一个类别(正常)时,根据异常确定正常。虽然这可以解决为监督学习问题,但更具挑战性的问题是检测未知/未见异常情况,这将我们带入一类,半监督学习范例的空间。通过使用条件学习对抗网络,我们将共同学习高维图像空间的生成和潜在空间的推论,从而介绍这种新颖的异常检测模型。
2019-12-01
机器视觉-从可选向必选迈进.pdf
机器视觉是研究如何使机器“看”的
技术,目标是使机器像人那样具备自主适应环境的能力,自动完成
人类赋予的任务。机器视觉的四大基本功能为模式识别/计数、视
觉定位、尺寸测量和外观检测,实现难度依次递增,主要是工业领
域的视觉应用。
2019-10-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人