paper 168: 2018-FATTEN 論文解析-feature space transfer for data augmentation
paper download:https://arxiv.org/abs/1801.04356網絡
本文的核心就是使用GAN網絡生成新的數據。app
這個整體框圖，常規結構，具體是經過在appearance和pose上分離在網絡設計上，做者提到了三點：學習
1. 爲了不網絡只是單純的Match Feature Pairs，如上圖所示，只是學習Residual：,公式的意思是Source與Target 的Feature Vector的差值。設計
2. Appearance和pose分開訓練，pose的學習即可以全監督訓練學習。3d
3. Appearance和pose分開訓練，可以使對這兩個屬性的學習上更加Balanceblog
相關文章
- 1. 論文閱讀：AutoAugment: Learning Augmentation Strategies from Data
- 2. Unsupervised Data Augmentation For Consistency Training 論文閱讀
- 3. （轉）AutoML for Data Augmentation
- 4. 論文解讀 Learning Data Augmentation Strategies for Object Detection
- 5. Feature Transfer Learning for Deep Face Recognition with Long-Tail Data 論文閱讀筆記
- 6. 論文閱讀：Learning Data Augmentation Strategies for Object Detection
- 7. 《Universal Style Transfer via Feature Transforms》論文解讀
- 8. Transfer Learning[論文合集]
- 9. CVPR2020論文筆記-Two-Stage Peer-Regularized Feature Recombination for Arbitrary Image Style Transfer
- 10. Data Augmentation
- 更多相關文章...
- • TCP報文格式解析 - TCP/IP教程
- • XML DOM 解析器 - XML DOM 教程
- • Scala 中文亂碼解決
- • 三篇文章瞭解 TiDB 技術內幕 —— 談調度
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 論文閱讀：AutoAugment: Learning Augmentation Strategies from Data
- 2. Unsupervised Data Augmentation For Consistency Training 論文閱讀
- 3. （轉）AutoML for Data Augmentation
- 4. 論文解讀 Learning Data Augmentation Strategies for Object Detection
- 5. Feature Transfer Learning for Deep Face Recognition with Long-Tail Data 論文閱讀筆記
- 6. 論文閱讀：Learning Data Augmentation Strategies for Object Detection
- 7. 《Universal Style Transfer via Feature Transforms》論文解讀
- 8. Transfer Learning[論文合集]
- 9. CVPR2020論文筆記-Two-Stage Peer-Regularized Feature Recombination for Arbitrary Image Style Transfer
- 10. Data Augmentation