风格转换

C++编程规范（参考华为编程规范）

第八章新增8、类型转换使用C++风格的类型转换，而不是C语言的类型转换8.1、static_cast和C风格转换相似可做值的强制转换。
nigulasi_dawei·2019-08-30 11:42

机器学习与深度学习

机器学习应用举例分类问题---图像识别，垃圾邮件识别回归问题---股价预测，房价预测排序问题---点击率预估，推荐生成问题----图像生成，图像风格转换，图像文字描述生成。
九转星辰·2019-08-25 22:00

Github人工智能开源项目

目录基于TensorFlow的框架精选入门教程无人驾驶深度强化学习自然语言处理文本分类序列建模中文分词基于文本的图像合成RNN语言建模神经图灵机小黄鸡语音领域语音合成语音识别计算机视觉风格转换运用GAN
boonya·2019-08-14 11:16

PyTorch中文教程 | (9) 使用PyTorch进行图像风格转换

Github目录1.简介2.基本原理3.导包并选择设备4.加载图片5.损失函数6.导入模型7.梯度下降1.简介本教程主要讲解如何实现由LeonA.Gatys，AlexanderS.Ecker和MatthiasBethge提出的Neural-Style算法。Neural-Style或者叫Neural-Transfer，可以让你使用一种新的风格将指定的图片进行重构。这个算法使用三张图片，一张输入图片，
CoreJT·2019-07-25 19:28

卷积神经网络（CNN）学习笔记

上述图片是计算机视觉领域的典型应用：图像分类、风格转换、目标检测。如上图所示，神经网络第一层参数矩阵巨大，具有三十亿个参
hfutdog·2019-07-21 06:02

CVPR2019（三）

101.ArbitraryStyleTransferwithStyle-AttentionalNetworks图片风格转换（根据另一幅图片的风格）102.ReliableandEfficientImageCropping
mtxxxx·2019-07-15 21:42

清华大学提出APDrawingGAN：人脸照片秒变艺术肖像画，已被CVPR 2019录取

随着深度学习的发展，使用卷积神经网络进行图像风格转换的神经风格转换（NST）方法被提出。随后，基于生成对抗网络（GAN）的方法在图像风格转换上实现了
BigDataDigest·2019-06-12 14:41

吴恩达-deeplearning-第四课卷积神经网络-第四周 课程笔记 神经风格转换与人脸识别

课程来源：网易云课堂与coursera一、神经风格转化1、理论问题描述：给定一张需要转化的内容图像（C）一张想要转化成的风格的图像（S），通过无监督学习的方法将其转化为有S风格的内容图像G。解决方案：对C、S、G三个图像定义一个损失函数J，在对损失函数的优化过程中完成对G的训练，也就是说C、S是固定输入，G是通过训练优化的参数。损失函数J分为两个部分：内容损失函数，与C、G有关；风格损失函数，与S
sansheng su·2019-06-03 22:38

基于CycleGAN的图像风格转换

首先，对CycleGAN不了解的可以下载论文《UnpairedImage-to-ImageTranslationusingCycle-ConsistentAdversialNetwork》，附上下载链接。这里我们只对CycleGAN的特点以及训练时的感悟进行总结。先上一张自己画的总体框架。总体的流程：将图像分成X域和Y域，网络有两个过程，第一个是蓝线标示的前向过程，从X域真图像开始，经过一个生成器
er_jian0929·2019-05-05 22:14

图像神经风格转换(Neural Style Transfer，NST)

一.概述神经风格转换（NeuralStyleTransfer，NST）是深学习中最有趣的技术之一。
bestrivern·2019-04-24 20:11

(四)快速图像风格迁移训练模型载入及处理图像

系列文章(一)图像风格迁移(二)快速图像风格转换(三)快速图像风格转换代码解析1神经网络模型defnet(image,training):'''图像填充'''image=tf.pad(image,[[0,0
xdq101·2019-03-31 15:34

(三)快速图像风格转换代码解析

系列文章(一)图像风格迁移(二)快速图像风格转换(四)快速图像风格迁移训练模型载入及处理图像整体架构：图1.0快速风格转换整体架构1源码文件结构|--conf|--eval.py|--export.py
xdq101·2019-03-30 19:31

神经风格转换

*什么是神经风格转换？*深度卷积网络到底在学什么？*代价函数（Costfunction）*一维到三维推广一、什么是神经风格转换？描述神经网络迁移:二、深度卷积网络到底在学什么？
lml77·2019-03-25 19:56

C++实现超分辨率重建 ESRGAN (一) 数据池

本来还想实现下AdaIN风格转换中的`-preserveColor`选项（保留内容图像的颜色）但是一看coral函数太复杂，吓倒我了，以后再说吧。
juebai123·2019-03-19 18:43

Coursera-吴恩达-深度学习-第四门课-卷积神经网络 -week4-编程作业

本文章内容：Coursera吴恩达深度学习课程，第四课：卷积神经网络（ConvolutionalNeuralNetworks）第四周：特殊应用：人脸识别和神经风格转换（Specialapplications
帅金毛·2019-02-25 12:56

Coursera-吴恩达-深度学习-第四门课-卷积神经网络 -week4-测验

本文章内容：Coursera吴恩达深度学习课程，第四课：卷积神经网络（ConvolutionalNeuralNetworks）第四周：特殊应用：人脸识别和神经风格转换（Specialapplications
帅金毛·2019-02-25 11:28

C++运行快速风格转换(10个)模型

前面我们已经能从Torch中直接读出网络训练好的参数，这里就用《fast-neural-style-master》的它的十个模型来做一个实用程序吧。模型分两种：instance_normhttp://cs.stanford.edu/people/jcjohns/fast-neural-style/models//instance_norm/candy.t7http://cs.stanford.ed
juebai123·2019-02-20 08:05

C++实现AdaIN 风格转换（二）实例归一化特征转移(AdaIN 函数) 和风格控制

特征转移的核心是AdaINAdaIN函数（实例归一化特征转移）：//自适应实例正则化内容和风格深度（维度）必须相同，宽，高可以不同voidAdaIN(卷积层&内容,卷积层&风格){if(内容.depth!=风格.depth)cout512){floats=((float)maxwh)/512.0f;w=(int)(((float)w)/s);h=(int)(((float)h)/s);}//把图像
juebai123·2019-02-15 16:01

C++实现AdaIN 风格转换（一）编码、解码器 和 主流程

前面，材料已经准备得差不多了，现在可以开始。首先是编码器，就是一个'预处理卷积'+VGG19的开头到relu4-1层。'预处理卷积'等同'@./helpers/preprocess.lua',这个文件中有：M.vgg={}localvgg_mean={103.939,116.779,123.68}--[[在传递给VGG模型之前预处理图像。我们需要重新缩放[0,1]到[0,255]，从RGB转换为B
juebai123·2019-02-15 09:21

AdaIN-风格转换之生成流程

现在可以开始”AdaIN风格转变“了。先把三个模型用Opencv转换成文本格式，decoder.t7和decoder-content-similar.t7成功了.而vgg_normalised.t7转化不了，哪个vgg_normalised.caffemodel又下不下。模型下载地址：https://s3.amazonaws.com/xunhuang-public/adain/decoder.t7
juebai123·2019-02-11 12:27

Torch 和 OpenCV4.0 在风格转换中对应层（风格迁移）

上一章中已经从OpenCV4.0中导出风格迁移各层名称，这里来和Torch比一比:Torch层OpenCV4.0层nn.Sequentialnn.SpatialReflectionPaddingl1_Padding加对边(四周各加20个像素宽的边)nn.SpatialConvolutionl2_Convolution卷积3-->16扩维nn.InstanceNormalizationl3_MVN实
juebai123·2019-02-03 08:13

图片风格快速转换的简单web实现

图片风格快速转换的简单web实现图片风格转换，是指利用深度学习算法学习某种风格图片的特征，将其应用到另一张图片中，合成新风格的图片，目前技术较为成熟，github上有很多有趣的项目与应用。
蜡笔大龙猫·2019-01-29 10:02

卷积神经网络之上采样-pytorch

利用卷积神经网络进行图像处理（图像超分、图像编码、风格转换、图像语义分割等）时避免不了要用到上采样操作，一般常见的上采样有：1、传统上采样。
cs_software87·2019-01-22 14:42

OpenCV4.0 摄像头风格迁移

再按照https://github.com/opencv/opencv/blob/3.4.0/samples/dnn/fast_neural_style.py改为C++版的摄像头风格迁移//摄像头或视频风格转换
juebai123·2019-01-20 16:15

(二)快速图像风格转换

[github传送门]https://github.com/hzy46/fast-neural-style-tensorflow系列文章(一)图像风格迁移(三)快速图像风格转换代码解析(四)快速图像风格迁移训练模型载入及处理图像
xdq101·2019-01-12 17:35

(一)图像风格迁移

anishathalye/neural-style[github传送门2]https://github.com/Quanfita/Neural-Style/tree/master/examples系列文章(二)快速图像风格转换
xdq101·2019-01-12 15:58

Characterizing and Improving Stability in Neural Style Transfer

原文链接：https://arxiv.org/abs/1705.02092摘要  最近图像风格转换的研究主要关注合成图像质量和算法速度的提升。但是实时的方法非常不稳定，应用到视频时会有明显的闪烁。
Maples丶丶·2018-12-20 14:39

Spring boot下，mybatis配置驼峰命名法和下划线风格转换

在数据库中经常使用带下划线的命名方式，而在Java代码中，偏向于使用驼峰式的命名方式在SpringBoot下，整合mybatis开启驼峰法命名转换方法：在Springboot配置文件application.properties中，添加配置如下mybatis.configuration.map-underscore-to-camel-case=true
NnnLillian·2018-12-14 20:37

深度学习（10）——Deep Photo Style Transfer

DeepPhotoStyleTransfer1、贡献基于Gatys等人的神经风格转换（NST）方法适用于艺术品风格，在真实照片上会由于“低级噪声”的影响产生像手绘的局部空间扭曲的效果。
越溪·2018-12-08 16:09

论文阅读笔记之——Contextual Loss

给出几篇论文的链接（https://arxiv.org/pdf/1803.02077.pdfhttps://arxiv.org/pdf/1803.04626.pdf）无论是风格转换的任务中，还是超分辨率重建的任务中
gwpscut·2018-11-30 13:39

吴恩达深度学习-神经网络基础（第9课：目标检测 特殊应用：人脸识别和神经风格转换）

已经开始看的不懂了，只知道概念……第三周目标检测（Objectdetection）3.1目标定位（Objectlocalization）如何利用神经网络进行对象定位，即通过输出四个参数值、、和给出图片中对象的边界框。3.2特征点检测（Landmarkdetection）3.3目标检测（Objectdetection）这种算法叫作滑动窗口目标检测，因为我们以某个步幅滑动这些方框窗口遍历整张图片，对这
瘦长的丰一禾·2018-11-27 21:30

GitHub上25个最受欢迎的开源机器学习库

作者|KhoaPham出品|AI科技大本营在过去的几年里，机器学习为各行各业开创了新纪元，诞生了许多成功的案例：Facebook的面部识别，Netflix的智能电影推荐系统，PrimaAI的图像风格转换
IT派·2018-11-25 08:18

机器学习简介

分类问题如图像识别，垃圾邮件识别；回归问题和分类问题类似，不同点在于分类问题给出的是标签，回归问题给出的是数据，如股价预测，房价预测；排序问题有点击率预估、推荐；生成问题如图像生成，图像风格转换、图像文字描述生成
Swallow、·2018-11-23 21:00

深度学习基础--loss与激活函数--感知损失(Perceptual Loss)

图像风格转换算法将图片生成以生成的方式进行处理，如风格转换
whitenightwu·2018-11-19 09:20

深度-图像风格变换【二】

深度卷积神经网络图像风格变换DeepPhotoStyleTransferTaylorGuo，2017年4月23日星期日-4月27日星期四摘要本文介绍了深度学习方法的图像风格转换，处理各种各样的图像内容，
WeisongZhao·2018-11-13 18:19

GitHub上25个最受欢迎的开源机器学习库

ShawnLee编辑|Jane出品|AI科技大本营在过去的几年里，机器学习为各行各业开创了新纪元，诞生了许多成功的案例：Facebook的面部识别，Netflix的智能电影推荐系统，PrimaAI的图像风格转换
AI科技大本营·2018-11-13 16:57

Deep Learning.ai学习笔记_第四门课_卷积神经网络

目录第一周卷积神经网络基础第二周深度卷积网络：实例探究第三周目标检测第四周特殊应用：人脸识别和神经风格转换第一周卷积神经网络基础垂直边缘检测器，通过卷积计算，可以把多维矩阵进行降维。
舞动的心·2018-11-11 17:00

MUNIT训练自己的数据集(图像风格转换)

MUNIT是ECCV2018的一篇关于不同风格图像之间转换的文章，是UNIT的衍生版本。作者是很大方滴，在gayhub上就可以找到munit的代码。Munit做了一件说明事情呢？我们看图就知道了：通过几笔简笔就可以生成真实感的图像，这就是munit的用处之一了。准确来说，munit是cycleGAN的强化版本。论文地址：http://openaccess.thecvf.com/content_EC
木盏·2018-11-04 20:08

基于Tensorflow的图像风格迁移代码实现

图像风格转换的概念部分，可以参考博客：图像风格转换(Imagestyletransfer)这里是手动实现了这样一个demo#-*-coding:utf-8-*-importosimportmathimportnumpyasnpimporttensorflowastffromPILimportImageimporttime
我是小蚂蚁·2018-10-04 10:21

运用深度学习进行艺术风格转换

使用深度学习进行艺术风格转换始于LeonGatys等人于2015年发表的论文ANeuralAlgorithmofArtisticStyle，为普通照片“赋予”名画风格。
massquantity·2018-09-18 18:00

Perceptual Losses for Real-Time Style Transfer and Super-Resolution翻译

《基于感知损失函数的实时风格转换和超分辨率重建》Abstract摘要：我们考虑的图像转换的问题，即将一个输入图像变换成一个输出图像。
一条咸咸咸咸咸鱼·2018-08-31 00:27

Perceptual Losses for Real-Time Style Transfer and Super-Resolution翻译

《基于感知损失函数的实时风格转换和超分辨率重建》Abstract摘要：我们考虑的图像转换的问题，即将一个输入图像变换成一个输出图像。
一条咸咸咸咸咸鱼·2018-08-31 00:27

Perceptual Losses for Real-Time Style Transfer and Super-Resolution阅读（一）

二、文章内容因为在实训中只需要做风格转换的部分，并且这篇文章的最大贡献之一也是实现了实时的风格转换。上一篇阅读的文章，虽然效果好，但对于每一张要生成的图片，都需要初始化，然后保持CNN
一条咸咸咸咸咸鱼·2018-08-31 00:12

Perceptual Losses for Real-Time Style Transfer and Super-Resolution阅读（一）

二、文章内容因为在实训中只需要做风格转换的部分，并且这篇文章的最大贡献之一也是实现了实时的风格转换。上一篇阅读的文章，虽然效果好，但对于每一张要生成的图片，都需要初始化，然后保持CNN
一条咸咸咸咸咸鱼·2018-08-31 00:12

风格迁移学习之《Deep Painterly Harmonization》论文笔记

该算法经过两个步骤，将直接嵌入的图像融合到风格图像当中，对嵌入的图像进行了风格转换。论文作者开源了论文的代码，ht
大大哒西瓜·2018-08-30 17:46

A Neural Algorithm of Artistic Style 阅读（一）

在一开始阅读的时候，觉得想法真的很好，一般都是开山难啊，不然也不会有后续一系列这方面的研究，以及与GAN相关的风格转换工作了。
一条咸咸咸咸咸鱼·2018-08-30 00:28

A Neural Algorithm of Artistic Style 阅读（一）

在一开始阅读的时候，觉得想法真的很好，一般都是开山难啊，不然也不会有后续一系列这方面的研究，以及与GAN相关的风格转换工作了。
一条咸咸咸咸咸鱼·2018-08-30 00:28

吴恩达 深度学习 卷积神经网络 特殊应用：人脸识别和神经风格转换

1.人脸识别人脸验证1：1人脸识别1：N2.One-ShotLearning单样本多分类学习3.SiameseNetwork通过Siamese网络得到一个人脸的128维特征计算如果值很大，则不是一个人否则，是一个人4.Tripiet损失数据集：关于1K个人的10K个图片，P与A关于同一人的样本，N与A关于不同人的样本一组Tripiet损失总损失5.面部验证与二分类将不同样本的特征值通过计算得到的结
Andy Wang·2018-08-29 11:24

深度学习-初识

入门基本概念机器学习简介机器学习：无序数据转化为价值的方法机器学习价值：从数据中抽取规律，并预测未来机器学习应用举例：分类问题：图像识别、垃圾邮件识别回归问题：股价预测、房价预测排序问题：点击率预估、推荐生成问题：图像生成、图像风格转换
Corwien·2018-08-19 00:00

深度学习框架之Caffe学习总结

主要应用于计算机视觉领域，如图像识别，目标识别，人脸识别，图像风格转换等方面。我们可以按照框架定义各种各样的卷积神经网络的结构，并且可以再此框架下增加自己的代码，设计新的算法，该框架的一个问题就
wu-ming·2018-08-02 01:00
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他