1.模型结构
改进之处：
2.损失函数
使用SSIM对图片的相似度进行度量，从而产生一个新的loss分量，对于两个分量进行加权得到最后的Loss。
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。
猜您在找
人群计数：Single-Image Crowd Counting via Multi-Column Convolutional Neural Network
CTAP: Complementary Temporal Action Proposal Generation (ECCV2018)
Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network（利用像素聚合网络进行高效准确的任意形状文本检测）
Attention Scaling for Crowd Counting
论文阅读笔记五十：CornerNet: Detecting Objects as Paired Keypoints(ECCV2018)
【论文阅读】Diverse Image-to-Image Translation via Disentangled Representations（ECCV2018 oral）
论文阅读笔记《The Contextual Loss for Image Transformation with Non-Aligned Data》（ECCV2018 oral）
【论文速读】Chuhui Xue_ECCV2018_Accurate Scene Text Detection through Border Semantics Awareness and Bootstrapping
论文阅读笔记（六十五）【ECCV2018】：Deep Cross-Modal Projection Learning for Image-Text Matching
人群密度估计