我正在尝试修复损坏的文本(下面的图像)，以便可以对图像执行OCR。我该如何修复下面的文本？我已经尝试过膨胀，腐蚀，形态闭合，以及使用轮廓之间的距离。所有这些似乎都不起作用。如果有任何帮助，我将不胜感激，谢谢。
尝试的解决方案(无效果)：import pytesseract config =
浏览 0提问于2019-02-14得票数 12
我的第一个想法是用我的例子散文来训练一个分类前馈神经网络，它把它的输入分类为训练数据的一部分或不部分。然后，我想以某种方式反演神经网络，寻找新的随机输入，这些输入也被训练的网络归类为训练数据的一部分。最明显也很愚蠢的方法是随机生成单词列表，只输出超过某个阈值的单词列表，但我认为有一个更好的方法，使用网络本身将搜索限制在输入空间的特定区域。这种模仿过程有什么可形容的吗？一些已知的方法是什么？
浏览 3提问于2017-02-27得票数 0
回答已采纳
3回答
我想在喀拉斯训练一名干将。我的最终目标已经开始，但我要从最简单的一个开始。了解如何正确地冻结重量在这里是必要的，这也是我正在努力解决的问题。
在发电机训练期间，可能不会更新鉴别器的权重。我想冻结和解冻的甄别器交替用于训练生成器和鉴别器。问题是，在鉴别器模型上甚至在其权重上将可训练参数设置为false并不能停止模型的训练(而权值要更新)。另一方面，在设置可训练错误后，当我编译模型时，权重会变得不稳定。我不能在每次迭代之
浏览 1提问于2017-07-17得票数 8
回答已采纳
我有一个GAN网络(生成性对抗网络)，由一些CNN，ResNet组成的结构。我想知道我是否可以将两个经过训练的模型组合成一个模型，像以前一样维护model1和mode2的功能。我有两个训练数据集1和2(分别表示为T1和T2)。在我用T1训练GAN之后，我得到了模型1(表示为M1)。然后，我继续使用T2训练M1 (在本例中，T2是新的)，以获得模型
浏览 0提问于2019-02-19得票数 2
1回答
我不是在寻找一大块代码作为解决方案，只是需要实现的模型的名称，或者一些链接会很好。我的问题是，我有一个由数百张128x128图像(抽象画)组成的数据集-我想简单地使用神经网络生成更多与这些图像相似的图像(网络最好不需要输入，可能除了随机值？)，但我不清楚我将如何进行。我想过但还没有试过的一种解决方案是制作一个LSTM神经网络，将绘画转化为像素值的一维阵列，并将这些阵列提供给网络(LSTM网络非常擅长学习序列)-但如果我想处理更大的图像，这可能不是很实用。
浏览 4提问于2017-03-28得票数 0
1回答
Keras中的GAN优化器设置
、、、、
我正在研究一个生成性的对抗性网络，在Keras中实现。我有我的生成器模型G和鉴别器D，它们都是由两个函数创建的，然后使用这两个模型创建GAN模型，就像代码中的这个简单示例：
gopt=Adam(lr=0.0001, beta_1=0.9, beta_2=0.999GAN_model.compile(loss=["mae", "binary_crossentropy"], loss_weights
浏览 0提问于2019-04-12得票数 1
1回答
我试图比较我从GAN (生成对抗性网络)生成的样本(即MNIST数字图像)。对于我的第一个实验，GAN训练是不成功的，所以生成的样本与真实的MNIST图像不相似。对于我的第二个实验，GAN训练是非常成功的，因此生成的样本应该与真实的MNIST样本在一个可视化的图中很好地重叠。
上面的例子图显示了我希望实现的目标：(1)第一个图显示了原始的真实图像分布(2)第二个图表明，GAN1
浏览 1提问于2020-09-01得票数 1
回答已采纳
2回答
接下来，我想训练一个网络，通过去除噪声(去噪自动编码器)来重建清晰的图像。 用于训练网络的输入是重建图像，而输出是地面实况或基于计算机的标准测试图像。如果我保持输入作为我的重建图像和训练输出作为Lena测试图像(计算机标准测试图像)，它可以工作吗？我只想知道输入/输出移位或其中一个(由于某些裁剪)缺少一些细节是否会起作用。
浏览 28提问于2019-10-08得票数 1
1回答
我们知道生成性对抗网络的训练是基于博弈论的，并且在训练过程中达到了纳什均衡。但当使用tensorflow：查看GAN样本时，
我在代码中没有发现博弈论在哪里被应用，纳什均衡在哪里被估计。
浏览 32提问于2020-02-19得票数 0
回答已采纳
2回答
我正在尝试理解GAN是如何训练的。我相信我理解对抗训练的过程。我似乎找不到的信息是: GANs在训练过程中是否使用类标签？我目前的理解是否定的--因为鉴别器只是试图区分真实或虚假的图像，而生成器试图创建真实的图像(但不是任何特定类别的图像)。
如果是这样，那么研究人员建议如何使用鉴别器网络进行分类任务？该网络将只能在真实或虚假图像之间执行双向分类。生成器网络也很难使用，因为我们不知道输入向量'Z‘的什么设置
浏览 4提问于2017-07-05得票数 0
1回答
我知道根是生成文本，让判别器无法判断真实文本和原文本。
语言模型(Language)是预测下一个单词的任务，也可以用来生成文本。
浏览 0提问于2019-03-11得票数 -1
我使用DCGAN ( Deep Convolution GAN )生成图像。但是，我想在嵌入式设备上运行它，比如Intel Movidius或Jetson。我有几个问题：它(GAN)能在嵌入式设备上运行吗?内存是一个真正的问题吗？
浏览 0提问于2018-08-27得票数 2
GANs (生成对抗性网络)仅仅是对图像有好处，还是也可以用于文本？UPD -引用了GAN发明家伊恩·古德费罗的话。
浏览 0提问于2017-11-18得票数 17
回答已采纳
1回答
类不平衡问题是GAN固有的吗？在GAN中，有两个相互对抗的网络，一个是分类器，对手试图通过生成虚假图像来欺骗分类器。所有从GAN生成的图像都将是假的，所以如果算法运行足够长的时间，就会出现类不平衡，对吧？
浏览 8提问于2017-08-05得票数 1
1回答
我有一个模型，它本质上是一个辅助条件GAN；模型的第一部分是生成器，最后一部分是鉴别器。鉴别器进行多类(k=10)预测。在的工作之后(pp3是一个有用的图，但请注意，为了这个问题的目的，我忽略了网络结构的修改)，我通过生成合成输入和类标签(“内部循环”)来训练整个模型进行T=32迭代。可以在Keras中进行循环展开吗？我如何提供一个任意的损失，并将其支撑到展开的层中？
更新:现在有一个实现，在PyTorch中，它使用了Facebook
浏览 1提问于2020-03-16得票数 1
2回答
Python欺诈检测分类算法
、、、、
我正在研究一个信用卡欺诈检测模型，并标记了包含在线商店订单的数据。我使用的列是:客户全名、发货地址和账单地址(城市、州、邮政编码、街道)、订单数量、总成本，以及订单是否被发现为欺诈的指示器。
浏览 6提问于2020-04-06得票数 0
我正在研究深度学习模型在胸部X光异常检测方面的表现。由于数据稀少，我使用不同的增强策略来增加数据，包括：生成对抗性网络
与现有的文献相反，我发现，与GAN生成的合成图像相比，传统的增强方法(我在此已经提到)的模型显示出了很好的效果。
浏览 0提问于2018-11-28得票数 1
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
