【0710学习记录】CycleGAN
https://www.leiphone.com/news/201807/L6G3PcHUE6Dhrqz3.html
CycleGAN
跨域图像风格转换的一种生成对抗网络
以无监督的方式执行，将一个域中的图像转化为另一个域，即这两个域中没有图像的一对一映射。
从堡垒之夜的原始图像开始训练。我们将训练两个深层网络，一个生成器和一个鉴别器。鉴别器将随时间学习来区分堡垒之夜的真实和虚假图像。生成器将被训练以使用来自训练集的绝地求生的随机屏幕截图将输入图像从原始域转换为目标域。
这里使用的生成器网络（F2P）主要由三个卷积块组成。第一个在较低纬的隐藏空间中找到堡垒之夜屏幕截图的编码。这种编码被转换为表示同一个隐藏空间中的绝地求生的编码。然后解码器从转换后的编码中构造输出图像，给出看上去像绝地求生的堡垒之夜图像。
架构为
架构
【0712学习笔记】机器学习近年来之怪现状
https://mp.weixin.qq.com/s/PNsfxOG3IIAUaEwe76tUsg
越来越多的论文出现了「标题党」、「占坑」、「注水」等现象，暴增的顶会论文接收数量似乎并没有带来更多技术，当下研究的倾向：
- 无法区分客观阐述和猜想。
- 无法确定达到好效果的来源，例如，当实际上是因为对超参数微调而获得好效果的时候，却强调不必要修改神经网络结构。
- 数学性：使用令人混淆的数学术语而不加以澄清，例如混淆技术与非技术概念。
- 语言误用，例如，使用带有口语的艺术术语，或者过多的使用既定的技术术语。
作者的建议：多问“是什么起了作用”“为什么”而不是有多好
我的启发：
1.以后论文写作过程务必要谨慎，每一句话都需要严格注意
2.重视逻辑学的学习,因为没有去深究，其实很多时候自己的逻辑从科学的角度来说是混乱的
网友评论