首页
学习
活动
专区
工具
TVP
发布

专知

专栏成员
835
文章
1417329
阅读量
397
订阅数
【论文推荐】最新八篇生成对抗网络相关论文—BRE、图像合成、多模态图像生成、非配对多域图、注意力、对抗特征增强、深度对抗性训练
【导读】专知内容组整理了最近八篇生成对抗网络(Generative Adversarial Networks )相关文章,为大家进行介绍,欢迎查看! 1.Improving GAN Training via Binarized Representation Entropy (BRE) Regularization(通过二值化表示熵(BRE)正则改进GAN训练) ---- ---- 作者:Yanshuai Cao,Gavin Weiguang Ding,Kry Yik-Chau Lui,Ruitong Hua
WZEARW
2018-06-05
1.1K0
【干货】基于GAN实现图像锐化应用(附代码)
【导读】生成对抗网络(GAN)是Ian Goodfellow在2014年在其论文Generative Adversarial Nets中提出来的,可以说是当前最炙手可热的技术了。本文基于Keras框架构建GAN网络,解决图像锐化问题。首先介绍了GAN的基本网络架构,然后从数据、模型、训练等几个方面介绍GAN在图像锐化的应用。本文是一篇很好的GAN学习实例,并且给出了许多不错的GAN学习链接,对GAN感兴趣的读者不容错过! 作者 | Raphaël Meudec 编译 | 专知 参与 | Li Yongxi,
WZEARW
2018-06-05
2.2K0
【干货】计算机视觉实战系列08——用Python做图像处理
【导读】在前面几讲中,专知成员Hui介绍了PIL、Matplotlib、Numpy、SciPy等Python图像处理的工具包。这一讲中,我们将介绍一个具体的实例——图像去噪,作为前面几讲的总结。 【干货】计算机视觉实战系列01——用Python做图像处理(基本的图像操作和处理) 【干货】计算机视觉实战系列02——用Python做图像处理(Matplotlib基本的图像操作和处理) 【干货】计算机视觉实战系列03——用Python做图像处理(Numpy基本操作和图像灰度变换) 【干货】计算机视觉实战系列04—
WZEARW
2018-06-05
1.3K0
【干货】计算机视觉实战系列07——用Python做图像处理
这一次继续为大家详细讲解SciPy库的使用以及图像导数实战。
WZEARW
2018-04-25
2.3K4
【论文推荐】最新八篇目标跟踪相关论文—自适应相关滤波、因果关系图模型、TrackingNet、ClickBAIT、图像矩模型
【导读】专知内容组整理了最近八篇目标跟踪(Object Tracking)相关文章,为大家进行介绍,欢迎查看! 1. Adaptive Correlation Filters with Long-Term and Short-Term Memory for Object Tracking(基于具有长期和短期自适应记忆相关滤波的目标跟踪) 作者:Chao Ma,Jia-Bin Huang,Xiaokang Yang,Ming-Hsuan Yang 机构:National Tsing Hua Universit
WZEARW
2018-04-25
1.1K0
【论文推荐】最新七篇图像分类相关论文—条件标签空间、生成对抗胶囊网络、深度预测编码网络、生成对抗网络、数字病理图像、在线表示学习
【导读】专知内容组整理了最近七篇图像分类(Image Classification)相关文章,为大家进行介绍,欢迎查看! 1. Learning Image Conditioned Label Space for Multilabel Classification(学习图像条件标签空间的多标签分类) ---- ---- 作者:Yi-Nan Li,Mei-Chen Yeh 摘要:This work addresses the task of multilabel image classification. I
WZEARW
2018-04-16
1.2K0
【论文推荐】最新5篇图像描述生成(Image Caption)相关论文—情感、注意力机制、遥感图像、序列到序列、深度神经结构
【导读】专知内容组整理了最近五篇图像描述生成(Image Caption)相关文章,为大家进行介绍,欢迎查看! 1. Image Captioning at Will: A Versatile Scheme for Effectively Injecting Sentiments into Image Descriptions(图像描述生成:一个有效地将情感结合到图像描述中的方案) ---- ---- 作者:Quanzeng You,Hailin Jin,Jiebo Luo 摘要:Automatic ima
WZEARW
2018-04-13
1.8K0
【干货】计算机视觉实战系列05——用Python做图像处理
【导读】专知成员Hui上一次为大家介绍讲解图像的缩放、图像均匀操作和直方图均衡化,这一次为大家详细讲解主成分分析(PCA)、以及其在图像上的应用。 【干货】计算机视觉实战系列01——用Python做图像处理(基本的图像操作和处理) 【干货】计算机视觉实战系列02——用Python做图像处理(Matplotlib基本的图像操作和处理) 【干货】计算机视觉实战系列03——用Python做图像处理(Numpy基本操作和图像灰度变换) 【干货】计算机视觉实战系列04——用Python做图像处理(图像的缩放、均匀操作
WZEARW
2018-04-13
2.8K0
【干货】计算机视觉实战系列04——用Python做图像处理
【导读】专知成员Hui上一次为大家介绍Numpy包的使用,介绍了Numpy库的一些基本函数和一些简单用法,以及图像灰度变换,这一次为大家详细讲解图像的缩放、图像均匀操作和直方图均衡化。 图像的缩放、均
WZEARW
2018-04-13
2.2K0
【干货】计算机视觉实战系列02——用Python做图像处理
【导读】在当今互联网蓬勃发展的时代,图像处理技术也随着人们的需求不断进步,专知成员Hui计划推出一系列计算机视觉入门实战讲解,参照Jan Erik Solem编写的《Python计算机视觉编程》这本书,以时下最流行的Python语言为工具,对图像处理技术的具体操作进行详细讲述,上一次的内容中已经为大家介绍了PIL python图像处理类库的使用,包括读取图像,转换灰度图像,创建缩略图,裁剪图像区域,调整尺寸和旋转。这一次为大家介绍Matplotlib的使用,包括绘图,绘制点和线,以及图像的轮廓和直方图,代码
WZEARW
2018-04-13
3.4K0
【干货】计算机视觉实战系列01——用Python做图像处理
【导读】在当今互联网飞速发展的社会中,数量庞大的图像和视频充斥着我们的生活,让我们需要对图片进行检索、分类等操作时,利用人工手段显然是不现实的,于是,计算机视觉相关技术便应运而生,并且得到了快速的发展
WZEARW
2018-04-13
2.9K0
【干货】计算机视觉实战系列06——用Python做图像处理
【导读】专知成员Hui上一次为大家介绍主成分分析(PCA)、以及其在图像上的应用,这一次为大家详细讲解SciPy库的使用以及图像高斯模糊实战。 【干货】计算机视觉实战系列01——用Python做图像处理(基本的图像操作和处理) 【干货】计算机视觉实战系列02——用Python做图像处理(Matplotlib基本的图像操作和处理) 【干货】计算机视觉实战系列03——用Python做图像处理(Numpy基本操作和图像灰度变换) 【干货】计算机视觉实战系列04——用Python做图像处理(图像的缩放、均匀操作和直
WZEARW
2018-04-13
1.1K0
【干货】基于属性学习和额外知识库的图像描述生成和视觉问答
【导读】这篇论文提出一种将高层次的概念与CNN-RNN成功结合的方法,并且实验表明这种方法在图像语义生成和视觉问答方面都取得了显着的进步。通过设计一个视觉问答模型,将图像内容的内部表示与从知识库中提取
WZEARW
2018-04-12
1.2K0
【干货】TensorFlow实战——图像分类神经网络模型
Learn how to classify images with TensorFlow 使用TensorFlow创建一个简单而强大的图像分类神经网络模型 by Adam Monsen ▌引言 ---- 由于深度学习算法和硬件性能的快速发展,研究人员和各大公司在图像识别,语音识别,推荐引擎和机器翻译等领域取得了长足的进步。六年前,在计算机视觉领域首先出现重大突破,这其中以CNN模型在ImageNet数据集上的成功为代表。两年前,Google Brain团队开源TensorFlow,使得我们可以灵巧快速地
WZEARW
2018-04-12
1.1K0
【BicycleGAN】NIPS 2017论文图像转换多样化,大幅提升pix2pix生成图像效果
【导读】你一定记得非常热门的加州大学伯克利分校在CVPR2017上提出的图片翻译 pix2pix,它使用GAN方法可以将白马“转化”为斑马,可以把积木“转化”为建筑,可以把线条“转化”为猫咪、鞋子、挎包,可以把白天转化为黑夜。而最近伯克利AI研究实验室与Adobe公司朱俊彦等人提出新的BicycleGAN,解决pix2pix生成图像模式单一的问题,比如BicycleGAN可以跟你给出的一张鞋的草图在保持确定的前提下,生成出各式各样不同纹理风格的图像。 朱俊彦同时也是pix2pix的第二作者。 ▌视频 --
WZEARW
2018-04-11
5K0
【论文分享】中科院自动化所多媒体计算与图形学团队NIPS 2017论文提出平均Top-K损失函数,专注于解决复杂样本
【导读】损失函数的设计一直是机器学习和模式识别中的核心问题。目前中国科学院自动化研究所和美国纽约州立大学奥尔巴尼分校合作提出了一种新的聚合损失函数,即平均 损失函数。 损失在优化的过程中专注于处理比较
WZEARW
2018-04-11
2.1K0
【开源】基于Keras的知识图谱处理实战
【导读】近日,Daniel Shapiro博士利用开源的图结构卷积网络进行知识图谱处理,并应用于交易数据的欺诈检测,其知识图谱处理相关源码也开源出来,并且Daniel Shapiro博士写了一个基于Keras的知识图谱处理实战的博客,内容浅显易懂,是一篇想了解知识图谱实战的好文,让我们来看下。 想了解知识图谱相关概念和内容,请阅读专知以前推出的报道: 【干货】最全知识图谱综述#1: 概念以及构建技术 【干货】最全知识图谱综述#2: 构建技术与典型应用 【专知荟萃03】知识图谱KG知识资料全集(入门/进阶
WZEARW
2018-04-11
3.5K0
【计算机视觉近一年进展综述】《A Year in Computer Vision》by The M Tank
【导读】计算机视觉近一年进展综述,本报告仅仅是为了简要的总结下2016近一年在计算机领域的一些重要进展。第一部分:分割/定位,目标检测,目标追踪。第二部分:分割,超分辨率/自动上色,风格迁移,动作识别
WZEARW
2018-04-10
1.6K0
【明星自动大变脸,嬉笑怒骂加变性】最新StarGAN对抗生成网络实现多领域图像变换(附代码)
【导读】图像之间的风格迁移和翻译是近年来最受关注的人工智能研究方向之一,这个任务在具有趣味性的同时也是很有挑战的。相关的研究成果也层出不穷,有的甚至引起了全世界的广泛讨论。近日,中国香港科技大学、新泽西大学和 韩国大学等机构在 arXiv 上联合发表了一篇研究论文,提出了在同一个模型中进行多个图像领域之间的风格转换的对抗生成方法StarGan,突破了传统的只能在两个图像领域转换的局限性。 ▌视频 ---- 视频内容 ▌详细内容 ---- 图像到图像转化的任务是将一个给定图像的特定方面改变
WZEARW
2018-04-10
2.4K0
【专知荟萃20】图像分割Image Segmentation知识资料全集(入门/进阶/论文/综述/视频/专家,附查看)
图像分割 (Image Segmentation) 专知荟萃 入门学习 进阶论文 综述 Tutorial 视频教程 代码 Semantic segmentation Instance aware segmentation Satellite images segmentation Video segmentation Autonomous driving Annotation Tools: Datasets 比赛 领域专家 入门学习 A 2017 Guide to Semantic Segmentation
WZEARW
2018-04-10
2.5K0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档