训练数据图片train-images-idx3-ubyte
训练数据标签train-labels-idx1-ubyte
测试数据图片t10k-images-idx3-ubyte
测试数据标签t10k-labels-idx1-ubyte
2021-10-19 09:06:35
29.45MB
1
很棒的虚拟试戴（VTON）研究的精选清单
与虚拟试穿（VTON）相关的很棒的研究论文，项目，代码，数据集，研讨会等的精选列表。
基于图像的（2D）虚拟试戴
2020年ACCV
CloTH-VTON：基于混合图像的虚拟Try-ON的服装三维重建- ，
ECCV 2020
不要掩盖您不需要掩盖的内容：无解析器的虚拟试穿-
CVPR 2020
通过自适应生成实现逼真的虚拟试穿 :left-right_arrow:保留图像内容-
来自未配对数据的基于图像的虚拟试穿网络-
语义多模态图像合成-
2020年CVPRW
CP-VTON +：基于图像的服装形状和纹理保留虚拟试穿-
使用人体模型对衣服进行3D重构及其在基于图像的虚拟试穿中的应用-
ICCV 2019
VTNFP：基于图像的虚拟试穿网络，具有身体和衣物特征保留功能-
ClothFlow：基于流程的衣服人生成模型-
ICCVW 2019
UVTON：在基于图
2021-10-05 10:00:09
7KB
1
Fashion-MNIST 数据集，是Kaggle上热门的数据集，放在代码MNIST_data子目录可直接使用在Keras的数据集加载的函数中。
2021-08-27 16:37:54
29.45MB
1
是我大作业的代码了哈哈，要是需要带注释的可以私聊哈哈
代码使用方法：
1. 读取数据集
2. 初始化模型参数（选择哪个模型就初始化哪个）
3.定义激活函数（只有选择带隐含层的模型才需要激活函数）
4.防止过拟合（只有选择带隐含层的模型才需要防止过拟合，不过因为下面我们用的权重衰减在训练是也有定义，所以我们需要也给它加个定义）
5.定义模型（选择哪个模型就定义哪个）
6.定义损失函数
7. 定义优化函数
8.训练模型（训练结束可进行绘图）
9. 进行预测
可变参数：
1.选择模型（三种模型，可选用）
2.激活函数（两种）
3.防止过拟合（两种方法，可选用也可都用）
权重衰减（通过lambd 来调整， lambd = 0 即不使用此方法）
丢弃法（通过定义模型时选择）
4.损失函数（咱们的代码只用了一种）
5.优化方法（咱们的代码只用了一种）
6.训练模型（迭代周期数num_epochs和学习率lr可调）
7.定义数据集时小批量的大小
2021-08-24 09:23:16
66.51MB
Fashion-MNIST图像数据集是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。
之前用Pycharm下载总是很忙且容易出错，后来发现可以下载后直接加载，很方便
2021-08-06 23:38:48
29.45MB
1
Fashion-MNIST数据集，10类图片，其目录结构已经创建好，可以直接放到py文件同目录下，包含raw和processed
2021-07-21 16:28:46
86.82MB
1
Fashion-MNIST 是一个时尚服饰略缩图数据集，包括 60000 张训练图像和 10000 张测试图像，每张图像为 28x28 灰度图。
2021-07-03 14:06:05
29.46MB
1