CV《神经风格转换》
本文是根据Andrew Ng的深度学习视频学习，自己总结的。这一系列先只学习关键技术和设计，具体的实例等下一期进行。一：神经风格转换处相识这个是个非常激动人心的小领域，也是一个生成模型，能把一个图像的风格迁移到另一个图像上来，能创造出不一样的新数据来，如下图所示。将S图像的绘画风格迁移到C图像上，既可以得到一个G图像，G图像是按照S图像的风格绘制的C图像，这很激动人心啊，人人都可以成为绘画师了啊简直，在图像处理特效领域完全可以产生新的滤镜。内容就是图像的组成部分。可能是风景、海滩环境、花园里的猫、
关键帧,空白关键帧,普通帧的区别是什么
关键帧，就是说这一帧是连接两段不同的内容，这一帧后面的视频内容会有新的变化或过渡；在时间轴上这一帧带有小黑点标志；空白关键帧，跟关键帧作用相同，但是这一帧没有内容，在时间轴上，这一帧没有小黑点标志；在这一帧填充内容后，就变成关键帧了；普通帧是用来计量播放时间或过渡时间用的，不能手动设置普通帧的内容，它是播放过程中由前后关键帧以及过渡类型自动填充的，手动插入或删除普通帧，会改变前后两个关键帧之间的过渡时间。...
深度学习网络中backbone是什么意思?
backbone这个单词原意指的是人的脊梁骨，后来引申为支柱，核心的意思。在神经网络中，尤其是CV领域，一般先对图像进行特征提取（常见的有vggnet，resnet，谷歌的inception），这一部分是整个CV任务的根基，因为后续的下游任务都是基于提取出来的图像特征去做文章（比如分类，生成等等）。所以将这一部分网络结构称为backbone十分形象，仿佛是一个人站起来的支柱。...
机器学习中的ground truth
机器学习包括有监督学习(supervised learning)，无监督学习(unsupervised learning)，和半监督学习（semi-supervised learning）.在*有监督学习中，数据是有标注的，以(x, t)的形式出现，其中x是输入数据，t是标注.正确的t标注是ground truth， 错误的标记则不是。（也有人将所有标注数据都叫做ground truth）由模型函数的数据则是由(x, y)的形式出现的。其中x为之前的输入数据，y为模型预测的值。标注会和模型预测的结果作
python-OOP（面向对象）
封装：1.python给对象在类的外部增加属性，非常容易但不建议使用，使用.属性名进行增加属性2.哪一个对象调用的方法，self就是哪一个对象的引用3.创建对象时python会自动为对象分配内存空间和设置初始值，初始化方法(init)4.在__init__方法中，使用self.属性名 = 属性值来增加属性5.对初始化方法改造，增加方法参数，使得self.属性名 = 形参6.dir()查看对象包含的所有属性和方法7.__del__方法，对象从内存中销毁前，会自动调用__del__方法8.del
np.concatenate的超简单理解
作用： 对矩阵进行拼接官方解释（我截取的一部分，看看有什么参数就好）concatenate((a1, a2, …), axis=0)Parameters（参数）----------a1, a2, … : sequence of array_likeThe arrays must have the same shape, except in the dimensioncorresponding to axis (the first, by default).axis : int, option
python列表解析【expression for iter_val in iterable if cond_expr】
列表解析根据已有列表，高效创建新列表的方式。列表解析是Python迭代机制的一种应用，它常用于实现创建新的列表，因此用在[]中。语法：[expression for iter_val in iterable][expression for iter_val in iterable if cond_expr]实例展示：1要求：列出1~10所有数字的平方####################################################1、普通方法：>>&g
周排行