项目类型

项目类别

最新

热搜企业:

Fork 0 关注 0

本项目是基于 PyTorch 实现的图像识别 non-local 模型。convolution和recurrent都是对局部区域进行的操作,所以它们是典型的local operations。本项目使用一种non-local operations用于捕获长距离依赖,即如何建立图像上两个有一定距离的像素之间的联系。non-local operations在计算某个位置的响应时,是考虑所有位置features的加权——所有位置可以是空间的,时间的,时空的。这个结构可以被插入到很多计算机视觉结构中,在视频分类的任务上,non-local模型在Kinetics和Charades上都达到了最好的结果。

原始仓库地址:https://github.com/alexhex7/non-local_pytorch.git

浏览量:56 下载量:0 项目类别: 图像分类
6 months前更新
Fork 0 关注 0

本项目是基于 TensorFlow 2.x 实现的 CycleGAN 模型。CycleGAN本质上是两个镜像对称的GAN,构成了一个环形网络。两个GAN共享两个生成器,并各自带一个判别器,即共有两个判别器和两个生成器。一个单向GAN有两个loss,共四个loss。开发者可以根据本项目实现自己的模型。

原始仓库地址:https://github.com/lynnho/cyclegan-tensorflow-2.git

浏览量:31 下载量:0 项目类别: 图像分类
6 months前更新

本项目是基于 PyTorch 实现的多种生成式对抗网络。GAN 模型以其强大的学习能力在计算机视觉等多种领域取得了巨大的成功,本项目实现了包括 DCGAN, LSGAN, WGAN-GP 以及 DRAGAN 在内的多种 GAN 模型,同时提供有详细的使用教程,以及数据集,方便开发者使用。

原始仓库地址:https://github.com/lynnho/dcgan-lsgan-wgan-gp-dragan-pytorch.git

浏览量:27 下载量:0 项目类别: 图像分类
6 months前更新

本项目是基于 TensorFlow 2.x 实现的多种生成式对抗网络。GAN 模型以其强大的学习能力在计算机视觉等多种领域取得了巨大的成功,本项目实现了包括 DCGAN, LSGAN, WGAN-GP 以及 DRAGAN在内的多种 GAN 模型。同时提供有基于 TensorFlow 1.x 的实现方案,方便开发者根据需要选择适合的版本。

原始仓库地址:https://github.com/lynnho/dcgan-lsgan-wgan-gp-dragan-tensorflow-2.git

浏览量:20 下载量:0 项目类别: 图像分类
6 months前更新
Fork 0 关注 0

本项目是基于 TensorFlow 实现的 AttGAN 模型。AttGAN 可以根据需要,只改变指定的人脸的面部特征,例如发色、眼镜、皱纹等。本项目的主要优点有:1.通过将latent representation与属性结合(将目标属性和encode输出结合),这样将属性和latent representation分开可以使迁移后的属性更加准确;2.采用了属性分类误差,重构误差,对抗学习误差;3.多领域的转换只需要一个网络模型。

原始仓库地址:https://github.com/lynnho/attgan-tensorflow.git

浏览量:38 下载量:0 项目类别: 图像分类
6 months前更新
pix2pix-film Python
Fork 0 关注 0

本项目是基于 TensorFlow 实现的 pix2pix 模型。本项目专门针对 video 场景中的 frame 进行处理,生成对应的连贯 video,尤其可用于对经典电影的帧进行着色和增加视野。开发者可以根据本项目进行自己的定制和修改,以适应自己的项目。

原始仓库地址:https://github.com/awjuliani/pix2pix-film.git

浏览量:30 下载量:0 项目类别: 图像分类
6 months前更新
hdgan Python
Fork 0 关注 0

本项目是基于 PyTorch 用于生成高质量图片的模型。本项目使用了伴随层次嵌套对抗性目标,通过规范在不同的中间层生成的低分辨率图像来使得生成器可以捕获复杂的图像信息。也采用了一种可扩展的单流生成器架构来更好的联合判别器进行训练,从而生成高分辨率的图像。同时为了同时提高语义一致性和图像保真度,采用了一种多用途的对抗性损失来鼓励更有效地使用图像和文本信息。

原始仓库地址:https://github.com/ypxie/hdgan.git

浏览量:35 下载量:0 项目类别: 图像分类
6 months前更新
instagan Python
Fork 0 关注 0

本项目是 PyTorch 实现的图像翻译模型。本项目利用实例分割标签和原图作为输入,在保证背景不变的前提下对实例进行转换的图像翻译。本项目的网络结构为:生成器网,鉴别器网络结构与cyclegan相似,将多个不同的实例分割标签图一起concat进入网络。并分别将原图和分割标签进行转换,而且这两个过程时同时关联进行,用来保证图像翻译过程中内容和背景的联系,文章提到标签和原图联合训练比单独分开训练效果要好。

原始仓库地址:https://github.com/sangwoomo/instagan.git

浏览量:31 下载量:0 项目类别: 图像分类
6 months前更新
deeppose Python
Fork 0 关注 0

本项目是基于 Chainer 实现的人体姿态估计网络。本项目是第一个将深度神经网络(DNN)应用于人体关键点检测的算法框架。在FLIC和LSP数据集上取得了当时最好的检测精度。同时也是第一个将关键点检测问题转换为回归问题的算法,通过级联的多个DNN网络,直接回归关节点的坐标值。其后的所有主流姿态估计算法基本都是基于这个算法的思想进行的改进或创新。

原始仓库地址:https://github.com/mitmul/deeppose.git

浏览量:32 下载量:0 项目类别: 图像分类
6 months前更新

本项目是用于回归和预测任务的因式分解机。分解机提供了一种有效的方法,可以将线性或对数方程中的变量对之间的相互作用包括在内。当问题只有几个解释变量时,可以简单地用乘积变量扩展线性方程。但是,当模型具有1000个变量时,该策略不是最佳的。仍然可以艰难地完成(使用正则化惩罚),但是因数分解机器是一个很好的选择。因子分解机将前面的方程式约束为具有权重,该权重是特征嵌入矢量的点积。

原始仓库地址:https://github.com/mzaradzki/factorization-machine-for-prediction.git

浏览量:22 下载量:0 项目类别: 图像分类
6 months前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie