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torchvision.dataset 。
发电机预热
在训练生成器和鉴别器之前，我们应该在具有像元损失函数的数据集上对Ganarator进行预训练。
有关生成器的预热，请参见“ ”。
鉴别器训练
发电机预热后，我们将对发电机和鉴别器的损失功能进行培训。 生成器损失包括对抗性损失（伪造预测与目标之间的BCE损失），基于模型
2021-05-30 23:13:20
5.19MB
1
这里提供VGG_ILSVRC_19_layers_deploy.prototxt和vgg_normalised.caffemodel的下载链接，但是VGG_ILSVRC_19_layers.caffemodel太大，大家还是直接下载官方地址
2021-05-11 11:24:03
71.55MB
1
该资源为imagenet-vgg-verydeep-19.mat，可以在迁移学习的时候使用。必须要补充字数，我就再补两句。
2020-04-08 03:16:01
549.36MB
1