- 博客(16)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 tensorflow读取数据的，录入管道是用的现成的方法，解码后堆入样本队列，最后单个或批量取出样本
原文地址：http://blog.csdn.net/lujiandong1/article/details/53376134TensorFlow是一种符号编程框架（与theano类似），先构建数据流图再输入数据进行模型训练。Tensorflow支持很多种样例输入的方式。最容易的是使用placeholder，但这需要手动传递numpy.array类型的数据。第二种方法就是使用二进制文件和输入队列...
2018-05-22 16:22:51
375
原创 os.path.splitext(os.path.basename(in_path.decode("utf8")))如何理解
1.os.path.basename(in_path.decode(“utf8”))返回最后当前文件名#coding=utf-8import osprint os.path.abspath("d:\\new\\test.txt") #d:\new\test.txtprint os.path.basename("d:\\new\\test.txt") #test.txtprin...
2018-05-08 21:10:57
1226
1
原创 tf.nn.dropout
tf.nn.dropout( x, 输入# keep_prob, #保留结果的比例，每个元素被保存的概率 noise_shape=None, seed=None, name=None)tensorflow中的dropout就是：使输入tensor中某些元素变为0，其它没变0的元素值变为原来的1/keep_prob大小！Drop后的输出是与输入t...
2018-05-08 16:56:57
1860
原创 tf.image.resize_images()自定义的反卷积，卷积都可以用tf.layers.conv2d_transpose反卷积，可用的batchnorm,randomrandint()
tf.image.resize_images(image， （w， h）， method)：image表示需要改变此存的图像，第二个参数改变之后图像的大小，method用于表示改变图像过程用的差值方法。0：双线性差值。1：最近邻居法。2：双三次插值法。3：面积插值法。tf.layers.conv2d_transpose https://blog.csdn.net/ningning52107/...
2018-05-08 15:34:45
1031
转载 tensorflow中axis理解非常重要
axis的作用即如何理解 numpy是python进行科学计算必不可少的模块，随着深度学习越来越火，numpy也越来越流行。了解numpy的人知道，在numpy中，有很多的函数都涉及到axis，很多函数根据axis的取值不同，得到的结果也完全不同。可以说，axis让numpy的多维数组变的更加灵活，但也让numpy变得越发难以理解。这里通过详细的例子来学习下，axis到底是什么，它在numpy中...
2018-05-07 16:12:31
5062
1
原创 tensorflow中tf.layers.conv2d-Padding
https://tensorflow.google.cn/api_docs/python/tf/layers/conv2d?hl=zh-cn tensorflow手册链接tf.layers.conv2d( inputs, filters, kernel_size, strides=(1, 1), padding='valid', data_fo...
2018-05-07 16:08:43
2464
2
原创 通过推测语义布局，层级形式文本到图像的合成《Inferring Semantic Layout for Hierarchical Text-to-image Synthesis》
一、从文本来推断语义布局 1.bounding box 的生成 bounding box (图1中的box)决定了生成图片的全局布局，因为，box定义了图片中有哪种目标以及将这些目标放到哪些位置。我们将第 t 个标注的 bounding box 表示为 图二. 其中, b_{t} 里面包含四个变量，分别表示bounding box 的位置和大小 { x , y , w , h...
2018-05-07 11:43:21
548
原创 对抗生成网络-文字到图片的合成Generative Adversarial Text to Image Synthesis
新的一年，新的开始，好想发论文啊！废话不多说，下面讲下文字到图片的生成。文字生成图片最有代表的一张图怕是这个了，牛人，大佬 RNN可用来对文字进行判别和表示，GAN可以做图片生成，那么如何将字符翻译到图像像素呢？这篇论文给出了一个网络。使用RNN,来做图片生成描述，由于它是根据图片的内容和他前一个词生成下一个词，是遵循链式规则的。使用描述生成图片的话，能够正确表达文本的正确图像样例是很多...
2018-05-07 11:35:04
969
原创 Photographic Text-to-image Synthesis with a Hierarchically-nest Adversarial Networks使用层级对抗网络使得文字生成超逼
这篇论文解决了StackGan端到端的问题，stackGan是分层训练的，而本文的网络结构是一个金字塔结构的，且解决了StackGan中文字图片不匹配的问题，他使用了文字与图片匹配对，他与StackGan没有太大差距，都是为了生成清晰的图片使用了层级的结构，但是本篇论文为自己的金字塔层级结构设计了合理的生成和判别器以及对应的loss。目测与stackGan++有相似之处。暂时不知道是几层，– ...
2018-05-07 11:34:11
320
原创 ChatPainter: Improving Text to Image Generation using Dialogue 利用对话来改善文字生成图片
为了解决文字描述中含有多个目标的问题，本文提出了一个利用对话提供更多的额外信息。因为通常一个文本描述是不能够捕获图片中所有的细节信息而且模型也不能够知道图像中的目标对应了描述中的哪一个单词。从数据集分析，flower 或者 cub的描述通常只是对单一目标进行详细描述，这样但前的几个任务生成的效果是很好的， 但是，在COCO数据集中，由于存在多个目标，而且在一个描述中不包含所有目标的前景背景...
2018-05-07 11:32:46
422
原创 tf.pad精准理解，tensorflow中pad()函数
函数原型： tf.pad pad( tensor, # 输入数据 paddings, mode=’CONSTANT’, # 可以有其它选项 REFLECTname=None )mode=’CONSTANT’，paddings=[[1,1],[1,1]]的意思是向上填充一行0，向下填充一行0，向左填充一行0，向右填充一行0假设tensor是（1，2）,（4，5）[[...
2018-05-07 11:30:18
1485
1
原创 天空无限
第一个图片是输入图片，后面三个是不同风格的天空替换后的结果 这篇文章是给出一张输入的图片，论文中提出的方法自动的生成一组风格化天空图，我们首先使用了FCN全卷积神经网络，得到输入图片和一些参考图片的目标分割结果，然后使用我们自己设计的专门针对天空的线上分类器，分割出准确的天空区域，使用不同的天空对输入的图片的天空部分进行替换。看完这篇论文，我认为论文的重点其实在于如何找到跟输入图片相适应的天空，并
2017-07-19 22:20:47
350
转载 图片风格转移-转载
总说最近更新：17-5-9 增加Neural style使用Gram矩阵的前提工作其实这个方向火起来是从2015年Gatys发表的一篇文章 A Neural Algorithm of Artistic Style, 当然了，当时新闻报道还是很标题党的，看的我热血沸腾。。言归正传，虽然只过了短短一年多，但是相关的论文已经有二三十篇了，这些论文在原有的基础上进行了极大的扩展。从最初的Neural
2017-07-11 10:23:50
663
原创 A Neural Algorithm of Artistic Style 图像风格转移
这篇论文的目的，如下图所示。把我们的图变成梵高的风格，厉害了~ 上图为原图，下图为调整后的图传统图像风格迁移的过程是：分析图像风格（比如说梵高的星空这种蓝黄圈圈的这种，之前的论文都是把风格使用纹理来表达），然后对风格（也就是纹理）建立一个数学或者统计模型，根据这个建立好的模型对我们输入的图片（上面的A图）进行调整。一样可以实现风格的转移。但一个很大的缺点：一个模型只能适用于某一种风格或者某一个
2017-06-28 12:37:10
653
原创 Automatic Photo Adjustment Using Deep Neural Networks
P图技术日新月异，有些P图大神的作品，让我们驻足相忘~嗷嗷，如何使用神经网络对这些大神的P图风格进行学习，我们这篇论文就提出了下面的方法。
2017-06-22 16:14:13
1167
2
原创 Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors for Automatic Image
Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors for Automatic Image Colorization with Simultaneous Classification
2017-06-19 13:32:29
740
Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors
2017-06-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人