CV《神经风格转换》
本文是根据Andrew Ng的深度学习视频学习,自己总结的。这一系列先只学习关键技术和设计,具体的实例等下一期进行。一:神经风格转换处相识这个是个非常激动人心的小领域,也是一个生成模型,能把一个图像的风格迁移到另一个图像上来,能创造出不一样的新数据来,如下图所示。将S图像的绘画风格迁移到C图像上,既可以得到一个G图像,G图像是按照S图像的风格绘制的C图像,这很激动人心啊,人人都可以成为绘画师了啊简直,在图像处理特效领域完全可以产生新的滤镜。内容就是图像的组成部分。可能是风景、海滩环境、花园里的猫、
关键帧,空白关键帧,普通帧的区别是什么
关键帧,就是说这一帧是连接两段不同的内容,这一帧后面的视频内容会有新的变化或过渡;在时间轴上这一帧带有小黑点标志;空白关键帧,跟关键帧作用相同,但是这一帧没有内容,在时间轴上,这一帧没有小黑点标志;在这一帧填充内容后,就变成关键帧了;普通帧是用来计量播放时间或过渡时间用的,不能手动设置普通帧的内容,它是播放过程中由前后关键帧以及过渡类型自动填充的,手动插入或删除普通帧,会改变前后两个关键帧之间的过渡时间。...
深度学习网络中backbone是什么意思?
backbone这个单词原意指的是人的脊梁骨,后来引申为支柱,核心的意思。在神经网络中,尤其是CV领域,一般先对图像进行特征提取(常见的有vggnet,resnet,谷歌的inception),这一部分是整个CV任务的根基,因为后续的下游任务都是基于提取出来的图像特征去做文章(比如分类,生成等等)。所以将这一部分网络结构称为backbone十分形象,仿佛是一个人站起来的支柱。...
机器学习中的ground truth
机器学习包括有监督学习(supervised learning),无监督学习(unsupervised learning),和半监督学习(semi-supervised learning).在*有监督学习中,数据是有标注的,以(x, t)的形式出现,其中x是输入数据,t是标注.正确的t标注是ground truth, 错误的标记则不是。(也有人将所有标注数据都叫做ground truth)由模型函数的数据则是由(x, y)的形式出现的。其中x为之前的输入数据,y为模型预测的值。标注会和模型预测的结果作
python-OOP(面向对象)
封装:1.python给对象在类的外部增加属性,非常容易但不建议使用,使用.属性名进行增加属性2.哪一个对象调用的方法,self就是哪一个对象的引用3.创建对象时python会自动为对象分配内存空间和设置初始值,初始化方法(init)4.在__init__方法中,使用self.属性名 = 属性值来增加属性5.对初始化方法改造,增加方法参数,使得self.属性名 = 形参6.dir()查看对象包含的所有属性和方法7.__del__方法,对象从内存中销毁前,会自动调用__del__方法8.del
np.concatenate的超简单理解
作用: 对矩阵进行拼接官方解释(我截取的一部分,看看有什么参数就好)concatenate((a1, a2, …), axis=0)Parameters(参数)----------a1, a2, … : sequence of array_likeThe arrays must have the same shape, except in the dimensioncorresponding to axis (the first, by default).axis : int, option
python列表解析【expression for iter_val in iterable if cond_expr】
列表解析根据已有列表,高效创建新列表的方式。列表解析是Python迭代机制的一种应用,它常用于实现创建新的列表,因此用在[]中。语法:[expression for iter_val in iterable][expression for iter_val in iterable if cond_expr]实例展示:1要求:列出1~10所有数字的平方####################################################1、普通方法:>>&g
今日推荐
周排行