主页

基于 DCGAN 进行了改进；

Conditional GAN（CGAN） 是让网络根据输入的条件产生输出； 之前的 GAN 中改变输入端的单个参数，输出并不会有太大改变；使得我们很难对输出结果进行控制；

文章将简略介绍 GAN 中用到的深度学习概念；

找到最适合自己的学单词方式，工具和方法在于精而不在多，将任何一种用到极致，都能创造惊喜；

视角转换：改变输入图像的视角； 本文汇总相关资源；

深度估计：根据单张图像得到深度图； 本文汇总相关资源；

点云：point cloud，是三维点的集合，只需记录物体所在的点的坐标；没有规律性的排列，因此无法套用卷积神经网络；高分辨率下，比较节省内存与运算量，也比较适合表示高分辨率的三维物体； 点云处理概述

图1. 三维重建任务概览 关键词：3D reconstruction · generative · 3D mesh 1 基础 1.1 体素 VS 点云

文章目的是介绍 GAN 的基本概念和组件（流程）；

「卷积」通常是「参数共享卷积」的简称；且该卷积与数学中的卷积操作不是一个概念； 除了图像和视频等处于欧几里得空间的数据之外，更多的数据是处于非欧几里得空间的，例如社交网络中的关系数据、三维点云数据、分子结构数据、基因数据和交通数据等等；由于这些数据的无序性和维度的可变性，使得传统卷积很难应用其中； 当然，所有的卷积都是在探讨如何对局部数据按照某一个操作聚合，不同的操作方式就对应于不同的卷积；

https://arxiv.org/list/cs/new 计算机视觉 1. YOLLO：结合视听的视觉定位 发表时间：2019-02-12 标签：视觉定位，语音，检测

End 附录 A 参考文献 [1]. 悟乙己. python + sklearn ︱分类效果评估——acc、recall、F1、ROC、回归、距离. https://blog.csdn.net/sinat_26917383/article/details/75199996. 2017-07-16/2019-03-15.