原创 GAN生成對抗網絡合集(三):InfoGAN和ACGAN-指定類別生成模擬樣本的GAN(附代碼)

1 InfoGAN-帶有隱含信息的GAN        InfoGAN是一種把信息論與GAN相融合的神經網絡,能夠使網絡具有信息解讀功能。        GAN的生成器在構建樣本時使用了任意的噪聲向量x’,並從低維的噪聲數據x’中

原创 GAN生成對抗網絡合集(七):cycleGAN—循環損失的提出 / starGAN

cycleGAN源文:https://arxiv.org/abs/1703.10593 cycleGAN筆者實踐代碼:https://github.com/leehomyc/cyclegan-1 -----------------

原创 GAN生成對抗網絡合集(八):GeneGAN - 子屬性分離重組 - 解決對象變形問題

GeneGAN 源文:GeneGAN: Learning Object Transfiguration and Attribute Subspace from Unpaired Data GeneGAN 源代碼:https://g

原创 GAN生成對抗網絡合集(一):理論基礎及一些相關概念

       對抗神經網絡其實是兩個網絡的的組合,兩者關係形成對抗。是用網絡來監督網絡的一個自學習過程。 生成器(generator)生成模擬數據:不斷優化自己讓判別器判斷不出來是模擬數據。主要是從訓練數據中產生相同分佈的sam

原创 Github上傳自己的項目文件 過程全記錄

網上的Github上傳自己的項目文件的方式大體分爲三種,方式有繁有易。這裏記錄一下筆者自己上傳文件到Github上的過程和遇到的一些問題,僅做參考。 ----------------------------------------

原创 C++學習(四):構造函數和析構函數

1 構造函數 按照上一節講的,我們如果要初始化數據成員,需要按照下面這樣定義一個公有函數。 class Test { public: void InitTest(int d = 1) { data = d; } priv

原创 C++學習(五):引用和指針的簡單理解

1 引用–>效率是關鍵!! 1.1 引用解決的是什麼問題? C++函數中參數的傳遞方式是傳值。在函數域中爲參數重新分配內存。而把實參的數值傳遞到新分配的內存中。這樣能有效地避免函數的副作用。 如果要求改變的實參是一個複雜的對象,重

原创 C++學習(三):this指針

1 問題的提出:this指針解決的是什麼問題? 在上一講 C++學習(二):類的定義與對象的創建 中,我們提到了類與對象,那麼類是怎麼進行數據存儲的呢? 類是將數據分爲Data和Function兩部分來存儲的,比如同樣的CGood

原创 RRPN 論文詳解

Arbitrary-Oriented Scene Text Detection via Rotation Proposals 通過旋轉方案進行任意方向的場景文本檢測(18年3月 XXCV) 聲明:筆者翻譯論文僅爲學習研究,如有侵權

原创 C++學習(一):由C過渡到C++

前言:我在本科雖然學過C語言和C++的課程,但"衆所周知的原因"…好吧,沒有實踐、不經常使用的語言是沒有靈魂的…所以在之前參加口罩和安全帽識別比賽以後被SDK的編寫打擊到的我決定跟着網課重新學習一遍,也是方便之後的力扣刷題吧。網課

原创 C++學習(二):類的定義與對象的創建

1 軟件概述 一個軟件的生命期包含:需求分析、設計、編程、測試、運行維護這五個部分 程序的設計方法包括兩種:結構化程序設計和麪向對象的程序設計。 結構化程序設計歸結爲:程序=算法+數據結構,面向過程,數據與程序分離;設計的基本思想

原创 目標檢測評價指標(含 mAP、F-measure、FPS)

寫在前面的話 無論是目標檢索、分類、還是檢測,都有其自身的一套評價指標體系。可能其中很多概念很類似,比如精確度、召回率。但其實內涵還是有些不一樣的。身爲一個已經搞了一年圖像目標檢測的後進者,直到現在才發現,之前我以爲輕鬆搞懂的評價

原创 圖像層次

       在計算機設計系統中,爲更便捷有效地處理圖像素材,通常將它們置於不同的層中,而圖像可看作是由若干層圖像疊加而成的。低層特徵分辨率更高,包含更多位置、細節信息,但是由於經過的卷積更少,其語義性更低,噪聲更多。高層特徵具有

原创 R2CNN 論文詳解

R2CNN: Rotational Region CNN for Orientation Robust Scene Text Detection R2CNN:旋轉區域CNN用於方向魯棒性的場景文本檢測(29 Jun 2017 三星

原创 光學遙感圖像典型目標檢測算法大賽全記錄

前言        這是 2019.6~2019.08 期間進行的一次全色遙感圖像典型目標檢測的比賽,現將過程記錄於此。        先說幾句題外話,之前一路這麼跌跌撞撞地摸爬滾打過來,光顧着學些基礎知識,看看論文、做做項目或者