使用生成的专业网络对图像进行着色
██████╗ ██████╗ ██╗ ██████╗ ██████╗ ██╗███████╗███████╗
██╔════╝██╔═══██╗██║ ██╔═══██╗██╔══██╗██║╚══███╔╝██╔════╝
██║ ██║ ██║██║ ██║ ██║██████╔╝██║ ███╔╝ █████╗
██║ ██║ ██║██║ ██║ ██║██╔══██╗██║ ███╔╝ ██╔══╝
╚██████╗╚██████╔╝███████╗╚██████╔╝██║ ██║██║███████╗███████╗
╚═════╝ ╚═════╝ ╚══════╝ ╚═════╝ ╚═╝ ╚═╝╚═╝╚══════╝╚══════╝
这是。
对于一些应用
2021-04-28 19:54:16
739KB
1
Keras implementation of "DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks"
2021-04-28 15:12:11
40.71MB
1
2020-2025年中国GaAs、GaN材料行业发展趋势预测与发展战略咨询报告.pdf
2021-04-27 13:05:18
91.22MB
2020-2025年中国GaAs、GaN材料行业市场深度调研及前景趋势预测报告.pdf
2021-04-27 13:05:18
77.05MB
2020-2025年中国GaAs、GaN材料行业市场投资机会分析报告.pdf
2021-04-27 13:05:17
62.73MB
2020-2025年中国GaAs、GaN材料行业投资机会与风险防范措施研究报告.pdf
2021-04-27 13:05:17
63.25MB
CycleGAN的Keras实现代码。CycleGAN 是一种无需成对示例便可自动进行图像到图像转换的技术。这些模型是采用一批无需关联的来自源域和目标域的图像，以一种无监督的方式训练的。
2021-04-26 22:03:27
477.41MB
1
在Keras上使用ACGAN生成图片实现数据扩增，可直接运行。输入一个随机数和标签可以调用生成模型输出指定种类的图片。生成模型和判别模型可根据自己的任务调优设计。
2021-04-24 15:46:58
11KB
1
用于3D图像到图像翻译的生成对抗网络
该网络的目的是训练从T1w图像创建T2w图像的模型，反之亦然。 它以完整的3D NIfTI作为输入，并能够直接生成相应模态的3D体积。
该存储库基于Per Welander和Anders Eklund在
训练此网络的最大挑战之一是将其全部存储在内存中。 必须有GPU才能在合理的时间内（不到一周）训练模型，但是这种加速是以RAM为代价的。 为了训练此3D GAN，我们使用了具有32GB RAM的单个NVIDIA Tesla V100。 少了可能会导致内存不足错误。
系统设置
培训是在带有CUDA版本10.2.89的NVIDIA Tesla V100上完成的
所需的python软件包版本保存在requirements.txt中，应安装在虚拟环境中
python3 -m venv env
source env/bin/activate
pip insta
2021-04-22 20:25:05
22.82MB
1