paper 168: 2018-FATTEN 论文解析-feature space transfer for data augmentation
2024-08-27 23:24:46
paper download:https://arxiv.org/abs/1801.04356
本文的核心就是使用GAN网络生成新的数据。
这个总体框图，常规结构，具体是通过在appearance和pose上分离在网络设计上，作者提到了三点：
1. 为了避免网络只是单纯的Match Feature Pairs，如上图所示，只是学习Residual：
,公式的意思是Source与Target 的Feature Vector的差值。
2. Appearance和pose分开训练，pose的学习便可以全监督训练学习。
3. Appearance和pose分开训练，能够使对这两个属性的学习上更加Balance
最新文章
- ORA-01439: 要更改数据类型, 则要修改的列必须为空
- NPOI 导出Excel
- ArcGIS Server开发教程系列（2）配置ARCMAP和ARCCatalog发布服务
- Laravel 5.1 文档攻略 —— Eloquent:模型关系
- seajs集成jquery的一个坑
- ARM 寄存器的介绍
- rtsp实时流通过rtmp推送到服务端
- hdu 4586 Play the Dice
- 盘点 OSX 上最佳的 DevOps 工具
- bzoj题解
- SecondarySort 原理
- [转]notifyDataSetChanged() 动态更新ListView
- js验证身份证格式
- Oracle sql执行计划
- Quickly Start Listener scripts
- 错误记录-spring+mybatis
- wampserve部署
- 【Android 应用开发】BluetoothClass详解
- windows powershell一些操作
- HFun.快速开发平台（四）=》自定义列表实例（请求参数的处理）