原创 《A Closed-Form Solution to Natural Image Matting》的一句話的理解
《A Closed-Form Solution to Natural Image Matting》【1】是作者：Anat Levin, Dani Lischinski, and Yair Weiss等人在2008年2月的一篇文章，它所用摳
2018-09-04 09:38:39
8
原创 從一個菜鳥開始學習機器學習
今晨看了一篇文章，說是2025年十大最有前途的技術，當然有“移動互聯網”，而其間也有一個是“自動化知識處理”，這其中的關鍵技術是機器學習。機器學習是一個交叉學科，它與科學計算有很密切的關係，但不完全是數學，它與程序設計很多關聯，但卻也不是
2018-08-22 13:46:06
原创 GAN的Loss的比較研究（3）——Wasserstein Loss理解（1）
前兩篇文章討論了傳統GAN的Loss，該Loss有些不足的地方，導致了GAN的訓練十分困難，表現爲：1、模式坍塌，即生成樣本的多樣性不足；2、不穩定，收斂不了。Martin Arjovsky在《Towards principled met
2018-08-22 13:46:05
14
原创 GAN的Loss的比較研究（2）——傳統GAN的Loss的理解2
判別器（Discriminator）輸入一個圖片xx ，輸出y表示分類（僅有0和1兩個分類）的概率，該模型可以很直觀地用條件概率來描述——PD(y|x)PD(y|x) ，於是展開有： PD(y|x)=⎧⎩⎨⎪⎪PD(y=1|x∈Xr)P
2018-08-22 13:46:04
1
原创 ALI比GAN的優勢在哪裏？
本文參考：Adversarially Learned Inference，（2017.2）作者：Vincent Dumoulin（MILA, Université de Montréal,） 原文：https://ishmaelbelg
2018-08-22 13:46:01
9
原创 Bayesian Network的輔助模型
Bayesian Network是有向無環圖（directed acyclic graph, DAG），其推斷的過程是由根節點（root node）逐次擴散到葉節點（leaf node）的過程，在Bayesian Network的一個節點
2018-08-22 13:46:00
原创 VAE與GAN的關係(1)
VAE（Variational Auto-Encoder）和GAN（Ganerative Adversarial Networks）都是生成模型（Generative model）。所謂生成模型，即能生成樣本的模型。我們可以將訓練集中的數
2018-08-22 13:46:00
25
原创 Pytorch構建模型的技巧小結（1）
1、保存模型參數和加載模型參數 （A）保存參數 # 2 ways to save the net torch.save(net1, 'net.pkl') # save entire net torch.save(net1.state_d
2018-08-22 13:46:00
3
原创 GAN的Loss的比較研究（4）——Wasserstein Loss理解（2）
關於Wasserstein Distance的計算，似乎還有一個簡單一點的推導方法，在《BEGAN: Boundary Equilibrium Generative Adversarial Networks》中給出了一個推導的過程： W
2018-08-22 13:45:45
11
原创 Deformable Convolutional Network的原理與實現
Deformable Convolutional Network的原理與實現 Deformable Convolutional Network（簡稱Deform-conv）是微軟亞洲研究院（MSRA）2017年的作品，它賦予了CNN位置變
2018-08-22 13:45:44
28