注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. klimtizer:将输入图像转换为克里姆特风格的绘画-源码

  2. 克里米特 该项目使用机器学习工具将输入图像转换为Klimt风格的绘画。 转换程序 步骤如下： 通过语义分割将产生选择属于人类形状的像素的蒙版 通过神经样式转移将背景渲染为Klimt绘画的样式 点1的蒙版将用于选择原始图像的人形并将其重叠到经过边缘处理的图像上 语义分割 对于语义分割的部分，将使用两种方法。 A.使用预先训练的网络B.训练自己的细分网络 细分网络培训 要训​​练细分网络，我们需要标记的训练数据。这是通过将具有透明背景的人脸图像粘贴到新背景上的随机位置自动生成的。像素标签将在人类图像

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：167kb
    • 提供者：weixin_42125867

  1. NeuralArtTransfer:练习“一种艺术风格的神经算法（Gatys等）”的实现。-源码

  2. 神经艺术转移 实践实现“一种艺术风格的神经算法”（Gatys等人）。开发了一种非常基本的前端服务，该服务接受内容和样式图像并显示生成的图像。 内容图片： 样式图片： 结果图像： 建立步骤 从内容文件夹下载模板和静态文件夹，然后将其上传到您的Google驱动器。 更新Flask中的UPLOAD文件夹，模板文件夹和静态文件夹路径，或仅在驱动器中遵循以下文件夹结构： template folder = drive/My Drive/NeuralArtTransfer/templates

  3. 所属分类：其它

  1. NeuralStyleTransfer:基于VGG19模型的神经风格转换-源码

  2. 神经风格转移 基于VGG19模型的神经风格Trnasfer :star: 在GitHub上为这个项目加注星标-它会有所帮助！ 是GAN应用程序中最好的例子之一。 它可以改善输入的低分辨率图像的质量。 作为生成器，此GAN使用SRResNet （超高分辨率残留网络）。 为了提供更好的输出图像质量，网络在三种不同的损失函数上进行训练。 表中的内容 评估 您可以在图像上评估经过预训练的超分辨率GAN 。 为此，请使用eval.py 训练 数据库 超分辨率甘练得从STL10数据集torchvisi

  3. 所属分类：其它

  1. 神经风格的转移图像-源码

  2. 神经风格转移图像 蒙娜丽莎的“星夜”风格 蒙娜丽莎（Mona Lisa）的“戴帽子的女人”风格 蒙娜丽莎（Mona Lisa）风格的“曼陀铃女孩” 所有图像均已许可知识共享CC0（公共域）

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：85mb
    • 提供者：weixin_42113380

  1. 艺术品分类：根据风格，体裁和艺术家分类绘画-源码

  2. 艺术品的风格，流派和艺术家分类 艺术品数字化的增长说明了根据艺术家，风格和绘画风格对绘画进行分类的重要性。 分类方法的确可以帮助游客和策展人以自己的步调分析和可视化任何博物馆中的画作。 此外，寻找画家是一项艰巨的任务，因为大多数画家的艺术品可能具有独特的绘画风格，而多位画家可以拥有相同的绘画风格。 楷模 我已经尝试了四种模型- 香草卷积神经网络的实现 通过结合视觉词袋技术使用随机森林分类器的基于统计机器学习的方法。 胶囊网络的实现 使用像AlexNet这样的预训练网络进行转移学习 数据集 用

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：616kb
    • 提供者：weixin_42117485

  1. 纸-源码

  2. 纸 数据集 生成模型 VAE 甘 图片 图像到图像的翻译 神经风格转移 图像超分辨率 自然语言处理 正常化 优化 分割 语义分割 实例分割 时间序列预测 工具包 影片 视频插值 视频预测 能见度预测

  3. 所属分类：其它

  1. random-image-stylization-tfjs：使用TensorFlow.js进行任意样式传输-源码

  2. TensorFlow.js中的任意样式传输 该存储库包含使用TensorFlow.js在浏览器内部完全运行的任意样式传输的实现。 演示网站： : 博客文章更多细节： : 风格化图像 结合风格 常问问题 这是什么？ 这是使用TensorFlow.js在浏览器中完全运行的任意样式传输算法的实现。 与所有神经样式传递算法一样，神经网络尝试以另一种样式（样式）（通常是绘画）“绘制”一张图片（内容）（通常是照片）。 尽管存在样式转换的，但由于必须为每个样式图像训练一个单独的神经网络，因此它

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：51mb
    • 提供者：weixin_42116672

  1. stylex:神经风格转换助手-源码

  2. 风格 神经样式转移是使用一个图像的样式和另一个图像的内容来生成新图像的过程（ ）。 实施样式转换通常涉及多次迭代以调出所需的效果。 该软件包旨在指导用户完成该过程。 该软件包的灵感来自的。 安装 您可以使用以下方法从安装stylex的发行版本： # No you can't. # install.packages("stylex") 以及来自的开发版本，其中包括： # install.packages("devtools") devtools :: install_github( "

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：12kb
    • 提供者：weixin_42166623