原文:《FusionGAN: A generative adversarial network for infrared and visible image fusion》论文笔记

Abstract 建立生成器和判别器,生成器的目的是生成一张主要是红外信息包含少量可见光信息的融合图像,判别器的目的是逼迫融合图像拥有更多可见光图像中的细节信息。此外还能融合不同分辨率的图像。 . Introduction 总共五段。第一段,为什么要做红外线和可见光的融合。第二段,简短介绍目前红外线和可见光的融合方法和他们存在的问题。第三段,提出论文方法,简短说明原理和优点。第四段,举了一个具体的 ...

2019-04-25 11:36 0 1336 推荐指数:

查看详情

论文笔记之:Generative Adversarial Text to Image Synthesis

Generative Adversarial Text to Image Synthesis ICML 2016      摘要:本文将文本和图像练习起来,根据文本生成图像,结合 CNN 和 GAN 来有效的进行无监督学习。   Attribute Representation ...

Mon Oct 31 21:17:00 CST 2016 0 2563
论文笔记之:Generative Adversarial Nets

Generative Adversarial Nets NIPS 2014   摘要:本文通过对抗过程,提出了一种新的框架来预测产生式模型,我们同时训练两个模型:一个产生式模型 G,该模型可以抓住数据分布;还有一个判别式模型 D 可以预测来自训练样本 而不是 G 的样本的概率 ...

Sun Aug 07 05:49:00 CST 2016 6 9552
论文笔记之:Semi-Supervised Learning with Generative Adversarial Networks

Semi-Supervised Learning with Generative Adversarial Networks      引言:本文将产生式对抗网络(GAN)拓展到半监督学习,通过强制判别器来输出类别标签。我们在一个数据集上训练一个产生式模型 G 以及 一个判别器 D,输入 ...

Thu Aug 25 09:01:00 CST 2016 0 3798
 
粤ICP备18138465号  © 2018-2025 CODEPRJ.COM