Autoencoder自编码器第27页

解密Deepfake(深度换脸)-基于自编码器的(Pytorch代码)换脸技术

前言还记得在2018月3月份火爆reddit的deepfake吗？将视频中的头换成另一个人的头像，虽然可能有些粗糙和模糊，但是在分辨率不要求很高的情况下可以达到以假乱真的效果。举个栗子，如下图中将希拉里换成特朗普的一段演讲视频。另外还有实现川普和尼古拉脸相换：当然这只是DeepFake的冰山一角，Deepfake当初火起来的原因可以说是广大拥有宅男心态的程序员们一起奋斗的结果。那就是，呃，可以将你

weixin_34198762·2020-06-28 13:36

深度学习基础（CNN详解以及训练过程1）

深度学习是一个框架，包含多个重要算法:ConvolutionalNeuralNetworks(CNN)卷积神经网络AutoEncoder自动编码器SparseCoding稀疏编码RestrictedBoltzmannMachine

weixin_34178244·2020-06-28 12:44

深度学习岗位面试题

答案：略3：为什么你用的autoencoder比LSTM好？答案：我说主

weixin_34130269·2020-06-28 12:42

用 Kaggle 经典案例教你用 CNN 做图像分类！

前言在上一篇专栏中，我们利用卷积自编码器对MNIST数据进行了实验，这周我们来看一个Kaggle上比较经典的一个图像分类的比赛CIFAR(CIFAR-10-ObjectRecognitioninImages

weixin_33721427·2020-06-28 04:16

自编码器

自编码器（AutoEncoder,AE）是一种利用反向传播算法取得使输入值和输出值

weixin_30338743·2020-06-27 18:05

论文笔记：《FoldingNet:Point Cloud Auto-encoder via Deep Grid Deformation》

Introduction：本篇论文，介绍了一个通过深度网格变形的点云自编码器（AE）。提出了新的端到端graph-based编码器和folding-based解码器。

wangyc1208·2020-06-27 13:32

keras实战-入门之卷积自编码器

keras实战-入门之卷积自编码器卷积自编码器卷积自编码器对于图像效果比全连接的好，毕竟提取了像素之间的空间信息。

王伟王胖胖·2020-06-27 13:25

Deep Learning based Recommender System: A Survey and New Perspectives （2）

感想篇幅有限，这是接着上面的续篇，let'scontinue4.2基于Autoencoder的推荐系统现存的两种把autoencoder运用到推荐系统上的方法为：（1）使用autoencoder在bottleneck

农民小飞侠·2020-06-27 12:47

下列哪些方法可以用来对高维数据进行降维:

感想降维的方法有很多种，比如autoencoder，pca,LDA等，但是列举全还是不怎么行，看来还是要刷题。

农民小飞侠·2020-06-27 12:16

【AI视野·今日CV 计算机视觉论文速览第152期】Fri, 9 Aug 2019

VOMonodepth/VOPyD-Net利用视觉里程计提升的单目深度估计,基于单目深度估计的方法需要大量昂贵的标记数据，这篇文章中研究人员将已有的几何先验方法集成到自监督网络中，提出了一种稀疏不变性的自编码器架构

hitrjj·2020-06-27 09:56

一文看懂自编码器----综述

自编码器与堆叠自编码器简述链接：https://www.zhihu.com/question/41490383/answer/103006793来源：知乎【问题为什么稀疏自编码器很少见到多层的？

Phoenixtree_Zhao·2020-06-27 09:03

如何在信号中添加指定信噪比的高斯白噪声，为何深度学习去噪研究采用高斯白噪声？

在信号或者图像的降噪研究中，很多学者采用高斯白噪声添加到干净的样本中，来模拟含有噪声的样本，并以此来验证提出模型的降噪效果（比如降噪自编码器——DenoisingAutoencoder）。

liuzard·2020-06-27 05:30

Stacked Autoencoders

博文内容参照网页StackedAutoencoders，StackedAutocoders是栈式的自编码器（参考网页AutoencoderandSparsity和博文自编码与稀疏性），就是多层的自编码器

huiliao·2020-06-27 05:44

tensorflow 自编码器

AutoencodersAutoencoder可以对输入数据进行无监督的学习，coding得到的结果的维度往往很低，因此自编码器可以用于数据的降维；自编码器也可以用于特征检测；同时也可以生成许多与训练数据相似的新数据

Strangers_bye·2020-06-27 04:34

稀疏自编码器及其实现——如何搞基

自编码器是什么？自编码器本身就是一种BP神经网络。它是一种无监督学习算法。我们都知道神经网络可以从任意精度逼近任意函数，这里我们让神经网络目标值等于输出值x，也就是模拟一个恒等函数：太无聊了，是吗？

ycheng_sjtu·2020-06-27 03:31

网易易盾实验室多模态视角信息融合技术达到国际领先水平准确率等关键指标创新高

MULTI-VIEWAUTOENCODERFORIMAGEFEATURELEARNINGWITHSTRUCTUREDNONNEGATIVELOWRANK》提出了一种对多视角多模态特征信息进行有效融合的自编码器神经网络

yijian2595·2020-06-27 02:58

自编码器（AutoEncoder）入门及TensorFlow实现

自编码器（Autoencoder,AE）,是一种利用反向传播算法使得输出值等于输入值的神经网络，它先将输入压缩成潜在空间表征，然后通过这种表征来重构输出。

Charles_yy·2020-06-26 23:00

自编码器、变分自编码器(VAE)简介以及Python实现

本篇博客简单介绍了自编码器(AutoEncoder,AE)以及近几年比较火的变分自编码器(VariationalAutoEncoder,VAE)，并用Python实现。

slx_share·2020-06-26 13:56

实战PyTorch（三）：Auto Encoder & Variational Autoencoder

1.AutoEncoder具体流程：输入==RESHAPE==>784=>1000=>1000=>20=>1000=>1000=>784==RESHAPE==>输出1.网络网络层：encoder{[b,

sleepinghm·2020-06-26 13:25

初始PyTorch（八）：自编码器Auto-Encoders

1.Auto-Encoder自编码器用途：无监督数据降维，比起PCA，AE更保持位置相关性。输出输出维度是一样的，目标就是生成自己，先降维再升维。AEVS.PCA如何训练？

sleepinghm·2020-06-26 13:25

tensorflow实现自编码网络

一、自编码网络自编码，又称自编码器(autoencoder)，也是神经网络的一种，经过训练后能尝试将输入复制到输出。自编码器内部有隐藏层，通过编码和解码来还原输入数据。

修炼之路·2020-06-26 11:08

深度学习(一)autoencoder的Python实现（1）

mumumuyanyanyan·2020-06-26 11:15

深度学习(一)autoencoder的Python实现（2）

这一篇章，我将对autoencoder的主要功能进行Python的实现，并通过一个小例子进行验证，其中深度学习和autoencoder的基本原理，在上一篇章深度学习(一)autoencoder的Python

mumumuyanyanyan·2020-06-26 11:15

An Introduction on Deep Learning for the Physical Layer

AnIntroductiononDeepLearningforthePhysicalLayer代码实现：https://github.com/shengjian3476077/DLforPhy一、文章的主要工作1、将通信系统设计视为端到端的重构任务，使用自编码器

shengjian3476077·2020-06-26 09:53

解读-Stacked Capsule Autoencoders-堆叠的胶囊自编码器-NeurIPS2019

title:StackedCapsuleAutoencoders-堆叠的胶囊自编码器originallink：https://senyang-ml.github.io/2020/02/11/stacked-capsule-autoencoders

塞涅斯·杨·2020-06-26 08:56

自编码器（AutoEncoder)

本文讲述自编码器（AutoEncoder，下文简称AE)，将按照以下的思路展开讲解，力图使得初学者能看懂其中要义。

rookie_lee·2020-06-26 06:55

【模型详解】AutoEncoder详解（七）——栈式自编码：Stacked AutoEncoder

更新时间：2018-12-05前言之前介绍了AutoEncoder及其几种拓展结构，如DAE，CAE等，本篇博客介绍栈式自编码器。

roguesir·2020-06-26 06:26

【推荐算法】基于AutoEncoder的图像搜索推荐

前言这个项目是以前实习时候跑的，基于AutoEncoder实现图片搜索推荐，涉及算法有AutoEncoder、KNN、余弦相似度测量等，项目在MacOS环境下实现。

roguesir·2020-06-26 06:26

变分自编码器（Variational Autoencoder, VAE）通俗教程

安利一篇邓范鑫的关于变分自编码器VAE的讲解文，易读，读完觉得受益匪浅。

ran337287·2020-06-26 05:10

浪潮之巅-深度学习在推荐系统中的应用（深度学习推荐系统学习笔记）

一杯敬朝阳一杯敬月光·2020-06-26 04:09

《python深度学习》学习笔记与代码实现（第八章：8.4，8.5，生成模型）

《python深度学习》第八章8.4用变分自编码器(VAE)生成图像变分自动编码器也是一个生成模型,与GAN是一样的VAE的工作原理如下1.一个编码器模块将输入样本转换为表示潜在空间中的两个参数,均值和方差

Tersai·2020-06-25 21:48

TensorFlow实战（2）：自编码器的实现

自编码器原理自编码器也是一种神经网络，输入和输出一致，可以使用自身的高阶特征编码自己，借助系数编码的思想，目标使用稀疏的一些高阶特征重新组合来重构自己。

Brielleqqqqqqjie·2020-06-25 20:23

[论文学习]1——Stacked AutoEncoder（SAE）堆栈自编码器

《DeepLearning-BasedFeatureRepresentationandItsApplicationforSoftSensorModelingWithVariable-WiseWeightedSAE》论文地址：https://ieeexplore.ieee.org/document/8302941这篇论文是CentralSouthUniversity的XiaofengYuan,Bia

Alchemist.H·2020-06-25 20:36

19年春招实习心得

19届实习面试一、CVTE(自然语言处理)40min1.希尔伯特空间是什么，线性空间是什么2.sigmoid函数形式，其导数形式是啥3.dropout原理，和DAE区别4.svm核函数的用处5.autoencoder

那什·2020-06-25 18:35

实战：条件变分自编码器

10.10条件变分自编码器前面的变分自解码器是为了本节条件变分自解码器做铺垫的，在实际应用中条件变分自解码器会更为广泛一些，具体的内容如下。

qq_40652148·2020-06-25 18:33

Variational Autoencoder（变分自编码 VAE）

使用通用自编码器的时候，首先将输入encoder压缩为一个小的form，然后将其decoder转换成输出的一个估计。

上杉翔二·2020-06-25 16:39

Autoencoder（自编码器）

自编码器原理：在神经网络中是监督学习下的操作，那么它又如何应用到无监督学习中呢？一个直观的想法就是让经过了神经网络的输入等于元输入，或者尽量相差不大。

上杉翔二·2020-06-25 16:38

Graph Embedding（SDNE，Graph2vec）

主要思路如上图，会将节点向量si作为模型的输入，通过自编码器对这个向量进行降维压缩zi，然后再重建特征。其损失函数定义为：O2=∑∣∣si′−si∣∣22O_

上杉翔二·2020-06-25 16:37

TensorFlow实战二：实现自编码器

#-*-coding:utf-8-*-"""importnumpyasnpimportsklearn.preprocessingasprepimporttensorflowastfimportinput_data#用xavierinitialization初始化参数defxavier_init(fan_in,fan_out,constant=1):low=-constant*np.sqrt(6.0

Loki97·2020-06-25 11:58

机器学习思考题目——15自编码器（Autoencoders）

本文直译自《handsonML》课后题。（有改动的以【】表示）。1.自动编码器的主要任务是什么？（a）特征提取（featureextraction）。（b）无监督预训练（unsupervisedpretraining）。（c）降维（d）生成模型（Generativemodels）（e）异常检测（Anomalydetection，anautoencoderisgenerallybadatrecons

南瓜派三蔬·2020-06-25 11:48

Tensorflow2.0之卷积变分自编码器（CVAE）

文章目录变分自编码器原理第一阶段第二阶段第三阶段第四阶段（重参数技巧）VAE的本质代码实现1、导入需要的库2、导入数据集3、图像处理增加维度标准化二值化使用tf.data来将数据分批和打乱4、建立CVAE

cofisher·2020-06-25 11:32

NLP:自回归（Autoregressive LM）与自编码语言模型（Autoencoder LM）

链接：https://zhuanlan.zhihu.com/p/70257427自回归根据上文内容预测下一个可能跟随的单词，就是常说的自左向右的语言模型任务，或者反过来也行，就是根据下文预测前面的单词，这种类型的LM被称为自回归语言模型。（GPT,ELMO）GPT就是典型的自回归语言模型。ELMO尽管看上去利用了上文，也利用了下文，但是本质上仍然是自回归LM，这个跟模型具体怎么实现有关系。ELMO

小马帅就是我没错了·2020-06-25 07:58

Stacked Capsule Autoencoder（SCAE）

Hinton大神点赞的胶囊网络模型。原文对象可以看作是相互关联的几何组织，利用几何关系来应对视点的不变性更加具有鲁棒性。CNN比其他没有权重共享的网络可以有更好的表现的原因是，一个特征不可能只出现在图像中的一个位置。通过跨尺度、方向和其他仿射自由复制特征来改变视点变化的影响，但是会导致特征图维度高。与CNN不同的是，人类的视觉系统也是依赖于坐标系的，当一个熟悉的物体换一个新的坐标系可能就会识别错误

qq_33326349·2020-06-25 06:29

深度学习之卷积自编码器

一、自编码器自编码器（Autoencoder）是一种旨在将它们的输入复制到的输出的神经网络。

zlinxi·2020-06-25 06:08

全连接的编码器和解码器 tensorflow1.x & keras

自编码器原理CODE原理自编码器是一种将它们的输入复制到输出的神经网络，通过将输入压缩成一种隐藏空间表示，然后再重构这种表示的输出。这种网络由编码器和解码器两种部分组成。

漂流瓶zps·2020-06-25 06:21

变分自编码器（VAE）

【导读】本文是工程师IrhumShafkat的一篇博文，主要梳理了变分自编码器的相关知识。

张筱竼·2020-06-25 06:01

TensorFlow 实现堆叠自编码器ASE

TensorFlow实现堆叠自编码器ASE自编码器（AutoEncoder）神经网络常常用于分类，通过定义一个目标函数衡量输出与目标值之间的差异，然后通过调整系统的参数使系统尽量拟合训练数据．而对每一层神经网络来说

Not丶Perfect·2020-06-25 03:08

变分自编码器VAE(Variational Autoencoders)及示例代码

这里写一个中文版快速入门笔记，更细致的理论分析和推导见：TutorialonVariationalAutoencodersVAE是一个学习复杂分布的无监督学习模型。在实践中，给定数据XXX，我们往往想得到P(X)P(X)P(X)，使得那些真实数据概率较大，而随机噪声概率较小。同时，我们还希望能够生成更多其他类似“真实”的例子，进而丰富我们的数据，典型例子如动画设计等领域，这就是“生成”模型的mot

南阁风起·2020-06-25 03:03

自动编码器（Auto Encoder）

1.初识AutoEncoder1986年Rumelhart提出自动编码器的概念，并将其用于高维复杂数据处理，促进了神经网络的发展。

ChasingdreamLY·2020-06-25 02:25

python实现自编码器autoencode

#-*-coding:utf-8-*-"""CreatedonSunSep313:48:192017@author:piaodexin"""from__future__importdivision,print_function,absolute_importimporttensorflowastffromtensorflow.examples.tutorials.mnistimportinput_

飘的心·2020-06-24 20:54

推荐频道

Autoencoder自编码器