本文分享手动实现DCGAN生成动漫头像的Pytorch代码。简单来说，DCGAN（Deep Convolutional GAN）就是用全卷积代替了原始GAN的全连接结构，提升了GAN的训练稳定性和生成结果质量。我使用的数据集，5W张96×96的动漫头像。import torch
import torch.nn as nn
from torch.utils.data.dataloader impor
转载
2024-02-03 08:48:03
60阅读
自动编码器最开始是作为一种数据压缩方法，同时还可以在卷积网络中进行逐层预训练，但是随后更多结构复杂的网络，比如 resnet 的出现使得我们能够训练任意深度的网络，自动编码器就不再使用在这个方面，下面我们讲一讲自动编码器的一个新的应用，这是随着生成对抗模型而出现的，就是使用自动编码器生成数据。第一部分是编码器(encoder)，第二部分是解码器(decoder)，编码器和解码器都可以是任意的模型，
转载
2023-07-28 20:06:39
138阅读
一、简介本章节我们将介绍如何对图像上的每个像素进行分类，其思想是创建图像上所有检测到的目标区域的地图。 基本上，我们想要的是下面的图像，其中每个像素都有与之关联的标签。最后我们将学习卷积神经网络（CNN）如何为我们完成这项工作。二、图像分割全卷积网络分割: 完全卷积神经网络（FCN）是普通的CNN，其中最后一个完全连接的层被另一个具有大“接收场”的卷积层替代。 这个想法是捕获场景的全局上下文（告诉
转载
2024-01-02 10:08:57
238阅读
cvpr2019 微软亚洲研究院的工作，主要思想是构建一个并行的多分辨率网络（有的应用只使用高分辨率特征，因此得名），这是一个系列的工作，包括分类，检测，分割等。终于来了一个非nas的网络。。。项目地址 https://github.com/HRNet虽然讲的是v2，其实跟v1几乎没有区别，分类模型只是差了一个head。分类模型的论文https://arxiv.org/pdf/1904.04
原创
2022-01-17 16:04:12
270阅读
hrnet相关的两篇文章CVPR2019 Deep High-Resolution Representation Learning for Human Pose Estimation
High-Resolution Representations for Labeling Pixels and Regions （https://arxiv.org/pdf/1904
转载
2024-01-08 15:43:15
120阅读
文章目录0 前言课题背景和意义1 实现方法传统机器视觉算法基于机器学习的跌倒检测SVM简介SVM跌倒检测原理算法流程算法效果深度学习跌倒检测最终效果网络原理 0 前言? 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计
我们的model的forward用的是forward_dummy，我们对比一下两个函数。再原pth模型中forward_test，hrnet转onnx的时候要注意。
原创
2023-05-18 17:05:04
318阅读
前面写了一篇文章，大概了解了一下，现在打算再仔细看看。全卷积网络(Fully Convolutional Network)将CNN应用到了图像语义分割领域。图像语义分割，就是对一张图片上的所有像素点进行分类。以往的CNN都是对整张图片进行分类,不能识别图片中特定部分的物体，而全卷积网络是对一张图片中的每个像素进行分类，以此达到对图片特定部分进行分类的效果。1 卷积化(convolutionaliz
分享一篇新出的 CVPR 2021 轻量级网络论文 Lite-HRNet: A Lightweight High-Resolution Network ，大名鼎鼎的HRNet的升级版。论文：https://arxiv.org/abs/2104.06403代码：https://github.com/HRNet/Lite-HRNet0 动机HRNet有很强的表示能力，很适用于对位置敏感的应用，比如语义
转载
2022-10-08 13:11:30
1024阅读
【代码】hrnet代码详解关键点生成热图。
原创
2023-05-18 17:05:11
387阅读
code and paper : https://paperswithcode.com/paper/object-contextual-representations-for前言目前在Semanti
原创
2022-06-27 16:15:01
610阅读
最近正在阅读CVPR2019的论文Deep High-Resolution Representation Learning for Human Pose Estimation。 无奈看论文中的Network instantiation部分太过简略，在网上也没有搜索到一个非常清晰的图示。 我阅读这篇论
转载
2019-07-14 03:10:00
909阅读
2评论
文章目录HRNet CVPR20191. 简介2. 网络架构2.1 总揽图2.2 3*3卷积块2.3 BasicBlock2.4 三层残差块2.5 HighResolutionNet结构初始化 `__init__()`构建 stage 间转换层 `_make_transition_layer()`构建 stage1 的 layer `_make_layer()`构建 stage 2/3/4 的 layer `_make_stage`2.6 高分辨率模块HighResolutionModulecheck_br
原创
2023-05-10 14:50:12
173阅读
hrnet量化
原创
2023-05-18 17:06:09
310阅读
256的img有一半的黑边，导致预测关键点产生偏差的时候仿射变换映射回原坐标有较大的偏差。1.量化的时候用的c
原创
2023-05-18 17:05:22
109阅读
导读：2022年4月，旷视研究院发表了一种基于图像恢复任务的全新网络结构，它在SIDD和GoPro数据集上进行训练和测试，该网络结构实现了在图像去噪任务和图像去模糊任务上的新SOTA。具体计算量与实验效果如下图所示： 不仅如此，基于NAFNet，旷视还提出了一种针对超分辨率的NAFNet变体结构，该网络为NAFNet-SR。NAFNet-SR在NTIRE 2022 超分辨率比赛中荣获冠军方案
转载
2024-05-18 10:41:57
190阅读
Resnet的pytorch官方实现代码解读 目录Resnet的pytorch官方实现代码解读前言概述34层网络结构的“平原”网络与“残差”网络的结构图对比不同结构的resnet的网络架构设计resnet代码细节分析 前言pytorch官方给出了现在的常见的经典网络的torch版本实现。仔细看看这些网络结构的实现，可以发现官方给出的代码比较精简，大部分致力于实现最朴素结构，没有用很多的技巧，在网络
转载
2023-12-18 19:17:24
97阅读
目录1、PyTorch2、PyTorch常用的工具包3、PyTorch特点4、PyTorch不足之处 今天给大家讲解一下PyTorch深度学习框架的一些基础知识，希望对大家理解PyTorch有一定的帮助！1、PyTorchPyTorch是一个基于Torch的Python机器学习框架。它是由Facebook的人工智能研究小组在2016年开发的，解决了Torch因为使用Lua编程语言普及度不高的问题，
转载
2023-12-07 16:09:02
67阅读
简述由于科技论文老师要求阅读Gans论文并在网上找到类似的代码来学习。 文章目录简述代码来源代码含义概览代码分段解释导入包：设置参数：给出标准数据：构建模型：构建优化器迭代细节画图全部代码：参考并学习的链接 代码来源https://github.com/MorvanZhou/PyTorch-Tutorial/blob/master/tutorial-contents/406_GAN.py代码含义概
转载
2024-04-30 02:20:12
115阅读
本文代码基于 PyTorch 1.x 版本，需要用到以下包：import collections
import os
import shutil
import tqdm
import numpy as np
import PIL.Image
import torch
import torchvision基础配置检查 PyTorch 版本torch.__version__
转载
2023-06-29 13:39:41
277阅读
