论文：
Image Style Transfer Using Convolutional Neural Networks
先介绍一下论文的思路。
思路
图像风格迁移，包括三部分：风格style特征提取（一般是纹理特征），目标图像内容content提取，style+content合成新的图片。
这篇论文之前的方法，三个部分分别实现，对于每一种风格，都要单独提
转载
2024-05-10 16:58:25
68阅读
一、迁移学习的应用价值迁移学习的应用 图像识别：图像增强，风格转移，对象检测，皮肤癌检测 文字识别：Zero Shot翻译、情绪分类应用价值 复用现有知识数据，已有的大量工作不至于完全丢弃 不需要在话费巨大代价重新采
原创
2018-08-02 09:33:02
82阅读
本文作为数据科学博客马拉松的一部分发布于https://datahack.analyticsvidhya.com/contest/data-science-blogathon-8/抽象在今天的报告中，我们将分析食品项目，以预测它们是否食用。我们应用最先进的Transfer Leanirng方法和Tensorflow框架来构建用于食品分类的机器学习模型。 介绍图像分类是一项工作，
转载
2022-08-31 19:59:52
164阅读
数据的读取 import tensorflow as tf from tensorflow.python import keras from tensorflow.python.keras.preprocessing.image import ImageDataGenerator class Tra
原创
2021-08-25 14:22:59
613阅读
下面我列出了一些我正在编写的文档草稿，可能会有帮助。另一件要注意的事情是，如果您使用Slim，您需要首先运行export_inference_graph.py来获得一个.pbgraphdef文件。在在大多数情况下，使用TensorFlow训练模型将得到一个包含GraphDef文件(通常以.pb或.pbtxt扩展名结尾)和一组检查点文件的文件夹。移动或嵌入式部署需要的是一个单独的GraphDef文件
转载
2024-09-11 20:02:09
43阅读
以SRCNN模型为例：1.以三色通道为基础： 模型迁移整体流程（旧）：将灰度化后的图片裁剪成n个33*33的小块将每个图片小块转化为float数组将每个float数组依次输入至模型中模型将每个小块数组进行模型处理，处理结果依次保存在一个大float数组 中，最后这个大数组就是最终的处理结果。float数组转图片。以下仅为个人想法，未经实践。 第一种，将float数组转为mat对象，然后将mat对象
转载
2024-03-27 11:29:16
78阅读
目录应用场景tensorrtTensorFlow=> tensorrtpb=>ufftensorrt样例 应用场景需要把深度学习模型搭载到无人机上完成一些探测任务。 大疆妙算上预装了tensorrt4，打算将TensorFlow训练好的模型搭载上去。tensorrttensorrt是个推理阶段的加速框架，支持一些层的操作，不是所有的层（比如dropout），不过也可以自定义没有的op
转载
2024-04-03 10:34:02
73阅读
TensorFlow 网络模型移植和训练指南（持续更新）1.限制tensorflow只兼容tensorflow1.153.网络迁移3.1 使用 Estimator 迁移关于估算器 Estimator API 是 TensorFlow 的高级 API，在 2018 年发布的 TensorFlow 1.10 中引入。Estimator API 极大地简化了机器学习的编程过程。 Estimator 有很
转载
2024-05-13 16:18:20
79阅读
作者|Richmond Alake 编译|Flin |towardsdatascience 我不会绘画，但是机器学习可以… 介绍 我不是艺术鉴赏家，但是我觉得上面的画看起来不错。 我也不是画家，但是到本文结尾，我将创建一个图像，其绘画风格与上图相似。 本文将介绍以下内容： 神经风格迁移的描述 神
转载
2020-08-21 09:56:00
507阅读
2评论
Transformer是谷歌在2017年的一篇论文"Attention is all you need"提出的一个seq2seq的模型架构，其创造性的提出了自注意力的思想，可以很好的表达序列中各个单词之间的相互注意力关系。这个模型在NLP领域取得了巨大的成功。此外这个模型架构在最近几年也在CV领域取得了令人瞩目的进展，在图像识别，目标检测等方面都达到或超过CNN模型的性能。因此Transforme
转载
2024-07-07 06:50:43
75阅读
策划 | 蔡芳芳作者 | Rubikscode译者 | 夏夜编辑 | LindaAI 前线导读：阅读深度学习论文总是很有趣，也很有 教育意义，特别是当这些论文和你现在做的项目属于同一领域时更是如此。但是，这些论文包含的架构和 解决方案 通常很难训练，特别是当你想去尝试他们的方法时，比如说 ILSCVR（ImageNet Large Scale Visual Recognition）竞赛中的一些获
原创
2021-03-29 17:33:43
273阅读
这时你可能会问“预训练模型是什么？”。本质上来说，预训练模型 是之前在大数据集上已经训练好并保存下来的模型，比如说在 ImageNet 数据集上训练的模型。这些模型可以在 tensorflow.keras.applications 模块里找到。有两种方式使用这些预训练模型，你可以直接使用它们，或者通过 迁移学习 使用它们。由于大数据集通常用于某种全局解，所以你可以让预训练模型定制化，使其 特别针对
原创
2021-03-30 12:36:17
592阅读
tensorflow的三种Graph结构：Graph：tensorflow运行会话是在默认的Graph中，包含了各个运算节点和用于计算的张量；GraphDef：将Graph序列化为python代码得到的图，可以理解为一种数据结构，以常量的形式保存Tensor，无法继续训练; ——对应pb文件MetaGraph:将Graph进行序列化，进行模型保存，Tensor以变量形式保存，可以被继续训练（ 通过
转载
2024-04-02 13:04:12
76阅读
使用 TensorFlow 进行机器学习 这是使用 TensorFlow 进行机器学习的官方代码存储库。 使用 TensorFlow（Google 最新、最好的机器学习库）开始进行机器学习。 概括 第 2 章- TensorFlow 基础知识 概念 1：定义张量 概念 2：评估操作 概念 3：互动会
原创
2023-10-23 14:12:48
84阅读
导读使用Keras进行迁移学习，从实际
转载
2021-07-19 09:30:22
1376阅读
一、解决什么问题？二、怎么解决的？1.基本的思想？1.端到端的训练和实时检测。2.YOLO将输入图像划分为S*S个网络，如果一个物体的中心落在某个网格内，则相应网格负责检测该物体。3.在训练和测试时，每个网络预测B个bboxs，每个bbox对应5个预测参数，即bbox中心点坐标（x,y），宽高（w,h），和置信度评分。4.将物体检测任务看成是一个回归问题来处理，直接通过整张图片的所有像素得到bbo
概述迁移学习可以改变你建立机器学习和深度学习模型的方式了解如何使用PyTorch进行迁移学习，以及如何将其与使用预训练的模型联系起来我们将使用真实世界的数据集，并比较使用卷积神经网络(CNNs)构建的模型和使用迁移学习构建的模型的性能介绍我去年在一个计算机视觉项目中工作，我们必须建立一个健壮的人脸检测模型。考虑到我们拥有的数据集的大小，从头构建一个模型是一个挑战。从头构建将是一个耗时又消耗计算资源
原创
2021-01-06 22:12:52
1318阅读
最近由于项目需要，需要使用LSTM进行时间序列预测，由此通过这篇文件，回忆并总结下LSTM的一些关键性问题。一、LSTM原理：1、一句话总结LSTM LSTM即是长短期记忆网络2、LSTM中门和时间步门和时间步的概念 -- LSTM的中有四个门，每个门负责是否把短期记忆纳入长期记忆中(或者说负责将短期记忆的某一部分是否纳入长期记忆) -- 每个时
在网上查如何进行神经风格迁移的时候，发现大多数人都是使用迁移学习来的网络。当然，迁移学习导入已经训练好的网络进行训练是非常方便且快速的，但是有时候我们可能会想自己训练一个网络进行神经风格迁移。所以在这篇文章中，我们尝试使用自定义的 GoogLeNet 网络模型进行神经风格迁移。 PS：对神经风格迁移的原理感兴趣的可以参考：Tensorflow2.0之神经风格迁移。 下面直接贴上代码并对其中不好理解
转载
2023-10-17 08:41:43
86阅读
使用Tensorflow和VGG16预训模型进行预测 fast.ai的入门教程中使用了kaggle: dogs vs cats作为例子来让大家入门Computer Vision。不过并未应用到最近很火的Tensorflow。Keras虽然可以调用Tensorflow作为backend，不过既然可以少走一层直接走Tensorflow，那秉着学习的想法，就直接用Tensorflow来一下把。
转载
2023-06-02 22:18:48
206阅读
