论文解读（GAN）《Generative Adversarial Networks》
论文信息 论文标题：Generative Adversarial Networks论文作者：Ian J. Goodfellow, Jean Pouget-Abadie ......论文来源：2014, NIPS论文地址：download 论文代码：download ...
原文：[论文理解] Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery
Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery Intro 本文提出利用GAN来做异常检测，大致思想为，先使用正常方式训练生成器G，训练完成后固定G的参数，给定一张图片x，在latent space里去查询与之最匹配的z，认为如果能找到一个合适的匹配，那么输入 ...
2020-02-05 09:14 0 2044 推荐指数：
相关推荐
Paper Reading: Perceptual Generative Adversarial Networks for Small Object Detection
Perceptual Generative Adversarial Networks for Small Object Detection 2017-07-11 19:47:46 CVPR 2017 This paper use GAN to handle the issue ...
【论文理解】Explaining and Harnessing Adversarial Examples
Explaining and Harnessing Adversarial Examples 注：研究不深，纯个人理解，可能有误 1论文简介： Szegedy提出有几种机器学习的模型容易受到对抗样本的攻击。在训练数据的不同子集上训练的具有不同体系结构的模型会误分类同一对抗样本。这表明对抗样本 ...
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文理解
一、创新点和解决的问题 创新点 设计Region Proposal Networks【RPN】，利用CNN卷积操作后的特征图生成region proposals，代替了Selective Search、EdgeBoxes等方法，速度上提升明显； 训练Region Proposal ...
[论文理解] Squeeze-and-Excitation Networks
Squeeze-and-Excitation Networks 简介 SENet提出了一种更好的特征表示结构，通过支路结构学习作用到input上更好的表示feature。结构上是使用一个支路去学习如何评估通道间的关联，然后作用到原feature map上去，实现对输入的校准。支路的帮助 ...
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 ...
SAGAN:Self-Attention Generative Adversarial Networks - 1 - 论文学习
Abstract 在这篇论文中，我们提出了自注意生成对抗网络(SAGAN)，它是用于图像生成任务的允许注意力驱动的、长距离依赖的建模。传统的卷积GANs只根据低分辨率图上的空间局部点生成高分辨率细节。在SAGAN中，可以使 ...
[论文理解] Spatial Transformer Networks
Spatial Transformer Networks 简介 本文提出了能够学习feature仿射变换的一种结构，并且该结构不需要给其他额外的监督信息，网络自己就能学习到对预测结果有用的仿射变换。因为CNN的平移不变性等空间特征一定程度上被pooling等操作破坏了，所以，想要网络能够应对 ...