久久综合狠狠综合久久,久久精品夜色噜噜亚洲A∨,久久免费高清视频

杰哥 — Fri, 30 Oct 2020 14:47:00 GMT

https://jingyan.baidu.com/article/75ab0bcb8001e5d6864db232.html

杰哥 2020-10-30 22:47 发表评论

杰哥 — Thu, 10 Sep 2020 23:21:00 GMT

直接切片是不行的�Q?/p>

>>> a=[[1,2,3], [4,5,6]] >>> a[:, 0]                   # ���试用数�l�的�Ҏ(gu��)����d��一列失�?TypeError: list indices must be integers or slices, not tuple1
2
3

我们可以直接构造：

>>> b = [i[0] for i in a]     # 从a中的每一行取�W�一个元素�?/span> >>> print(b) [1, 4]

Reference:

https://blog.csdn.net/xiaotao_1/article/details/80729458

杰哥 2020-09-11 07:21 发表评论

杰哥 — Fri, 01 Feb 2019 17:51:00 GMT

分��n一��文章：The Meaning of Underscores in Python�?/p>

本文介绍了Python中单下划�U�和双下划线�Q?dunder"�Q�的各种含义和命名约定，名称修饰�Q�name mangling�Q�的工作原理�Q�以及它如何影响你自��q��Python�c�R�?/p>

单下划线和双下划�U�在Python变量和方法名�U�C��都各有其含义。有一些含义仅仅是依照�U�定�Q�被视作是对�E�序员的提示 - 而有一些含义是由Python解释器严格执行的�?/p>

如果你想知道“Python变量和方法名�U�C��单下划线和双下划�U�的含义是什么？”�Q�我会尽我所能在�q�里��Z��解答�?/p>

在本文中�Q�我��讨��Z��下五�U�下划线模式和命名约定，以及它们如何影响Python�E�序的行为：

单前��g��划线�Q�_var
单末��下划线�Q�var_
双前��g��划线�Q�__var
双前导和末尾下划�U�：__var__
单下划线�Q�_

在文章结��֤��Q�你可以扑ֈ�一个简短的“速查�?#8221;�Q��ȝ��了五�U�不同的下划�U�命名约定及其含义，以及一个简短的视频教程�Q�可让你亲��n体验它们的行为�?/p>

让我们马上开始！

1. 单前��g��划线 _var

当涉及到变量和方法名�U�时�Q�单个下划线前缀有一个约定俗成的含义�?它是对程序员的一个提�C?- 意味着Python�C�֌�一致认为它应该是什么意思，但程序的行�ؓ不受影响�?/p>

下划�U�前�~�的含义是告知其他�E�序员：以单个下划线开头的变量或方法仅供内部��用�?该约定在PEP 8中有定义�?/p>

�q�不是Python强制规定的�?Python不像Java那样�?#8220;�U�有”�?#8220;公共”变量之间有很强的区别�?�q�就像有人提��Z��一个小��的下划�U�警告标志，��_��

“嘿，�q�不是真的要成�ؓ�cȝ��公共接口的一部分。不�ȝ��它就好�?#8220;

看看下面的例子：

class Test:    def __init__(self):        self.foo = 11        self._bar = 23

如果你实例化此类�Q��ƈ��试讉K��在__init__构造函��C��定义的foo和_bar属性，会发生什么情况？让我们来看看�Q?/p>

>>> t = Test() >>> t.foo 11 >>> t._bar 23

你会看到_bar中的单个下划�U��ƈ没有��L��我们“�q�入”�c�dƈ讉K��该变量的倹{�?/p>

�q�是因�ؓPython中的单个下划�U�前�~�仅仅是一个约�?- 臛_��相对于变量和�Ҏ(gu��)��名而言�?/p>

但是�Q�前��g��划线的确会媄响从模块中导入名�U�的方式�?/p>

假设你在一个名为my_module的模块中有以下代码：

# This is my_module.py:  def external_func():    return 23  def _internal_func():    return 42

现在�Q�如果��用通配�W�从模块中导入所有名�U�ͼ�则Python不会导入带有前导下划�U�的名称�Q�除非模块定义了覆盖此行为的__all__列表�Q�：

>>> from my_module import * >>> external_func() 23 >>> _internal_func() NameError: "name '_internal_func' is not defined"

��Z��说一下，应该避免通配�W�导入，因�ؓ它们使名�U�空间中存在哪些名称不清楚�?��Z��清楚赯��Q�坚持常规导入更好�?br />

与通配�W�导入不同，常规导入不受前导单个下划�U�命名约定的影响�Q?/p>

>>> import my_module >>> my_module.external_func() 23 >>> my_module._internal_func() 42

我知道这一点可能有点��o人困惑�?如果你遵循PEP 8推荐�Q�避免通配�W�导入，那么你真正需要记住的只有�q�个�Q?/p>

单个下划�U�是一个Python命名�U�定�Q�表�C��个名�U�是供内部��用的�?它通常不由Python解释器强制执行，仅仅作�ؓ一�U�对�E�序员的提示�?/blockquote>
2. 单末��下划线 var_
有时候，一个变量的最合适的名称已经被一个关键字所占用�?因此�Q�像class或def�q�样的名�U�C��能用作Python中的变量名称�?在这�U�情况下�Q�你可以附加一个下划线来解军_��名冲�H�：
>>> def make_object(name, class): SyntaxError: "invalid syntax"  >>> def make_object(name, class_): ...    pass 
��M��Q�单个末��下划线�Q�后�~��Q�是一个约定，用来避免与Python关键字��生命名冲�H��?PEP 8解释了这个约定�?/p>
3. 双前��g��划线 __var
到目前�ؓ止，我们所涉及的所有命名模式的含义�Q�来自于已达成共识的�U�定�?而对于以双下划线开头的Python�cȝ��属性（包括变量和方法）�Q�情况就有点不同了�?/p>
双下划线前缀会导致Python解释器重写属性名�U�ͼ�以避免子�c�M��的命名冲�H��?/p>
�q�也叫做名称修饰�Q�name mangling�Q?- 解释器更改变量的名称�Q�以便在�c�被扩展的时候不�Ҏ(gu��)��产生冲突�?/p>
我知道这听�v来很抽象�?因此�Q�我�l�合了一个小��的代码�C�Z��来予以说明：
class Test:    def __init__(self):        self.foo = 11        self._bar = 23        self.__baz = 23 
让我们用内置的dir()函数来看看这个对象的属性：
>>> t = Test() >>> dir(t) ['_Test__baz', '__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', '_bar', 'foo'] 
以上是这个对象属性的列表�?让我们来看看�q�个列表�Q��ƈ��L��我们的原始变量名�U�foo�Q�_bar和__baz - 我保证你会注意到一些有��的变化�?br />
self.foo变量在属性列表中昄��为未修改为foo�?/li>
self._bar的行为方式相�?- 它以_bar的�Ş式显�C�在�c�M��?��像我之前说�q�的�Q�在�q�种情况下，前导下划�U�仅仅是一个约定�?�l�程序员一个提�C��已�?/li>
然而，对于self.__baz而言�Q�情�늜��h��有点不同�?当你在该列表中搜索__baz�Ӟ��你会看不到有�q�个名字的变量�?/li>
__baz��Z��么情况了�Q?/p>
如果你仔�l�观察，你会看到此对象上有一个名为_Test__baz的属性�?�q�就是Python解释器所做的名称修饰�?它这样做是�ؓ了防止变量在子类中被重写�?/p>
让我们创建另一个扩展Test�cȝ��c�，�q�尝试重写构造函��C��d��的现有属性：
class ExtendedTest(Test):    def __init__(self):        super().__init__()        self.foo = 'overridden'        self._bar = 'overridden'        self.__baz = 'overridden' 
现在�Q�你认�ؓfoo�Q�_bar和__baz的��g��出现在这个ExtendedTest�cȝ��实例上吗�Q?我们来看一看：
>>> t2 = ExtendedTest() >>> t2.foo 'overridden' >>> t2._bar 'overridden' >>> t2.__baz AttributeError: "'ExtendedTest' object has no attribute '__baz'" 
�{�一下，当我们尝试查看t2 .__ baz的值时�Q��ؓ什么我们会得到AttributeError�Q?名称修饰被再�ơ触发了�Q?事实证明�Q�这个对象甚��x��有__baz属性：
>>> dir(t2) ['_ExtendedTest__baz', '_Test__baz', '__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', '_bar', 'foo', 'get_vars'] 
正如你可以看到__baz变成_ExtendedTest__baz以防止意外修改：
>>> t2._ExtendedTest__baz 'overridden' 
但原来的_Test__baz�q�在�Q?/p>
>>> t2._Test__baz 42 
双下划线名称修饰对程序员是完全透明的�?下面的例子证实了�q�一点：
class ManglingTest:    def __init__(self):        self.__mangled = 'hello'     def get_mangled(self):        return self.__mangled  >>> ManglingTest().get_mangled() 'hello' >>> ManglingTest().__mangled AttributeError: "'ManglingTest' object has no attribute '__mangled'" 
名称修饰是否也适用于方法名�U�ͼ� 是的�Q�也适用。名�U�C��C��影响在一个类的上下文中，以两个下划线字符�Q?dunders"�Q�开头的所�?/span>名称�Q?/p>
class MangledMethod:    def __method(self):        return 42     def call_it(self):        return self.__method()  >>> MangledMethod().__method() AttributeError: "'MangledMethod' object has no attribute '__method'" >>> MangledMethod().call_it() 42 
�q�是另一个也��o人惊讶的�q�用名称修饰的例子：
_MangledGlobal__mangled = 23  class MangledGlobal:    def test(self):        return __mangled  >>> MangledGlobal().test() 23 
在这个例子中�Q�我声明了一个名为_MangledGlobal__mangled的全局变量。然后我在名为MangledGlobal的类的上下文中访问变量。由于名�U�C��饎ͼ�我能够在�cȝ��test()�Ҏ(gu��)��内，以__mangled来引用_MangledGlobal__mangled全局变量�?br />
Python解释器自动将名称__mangled扩展为_MangledGlobal__mangled�Q�因为它以两个下划线字符开头。这表明名称修饰不是专门与类属性关联的。它适用于在�c�M��下文中��用的两个下划�U�字�W�开头的��M��名称�?br />
有很多要吸收的内容吧�?br />
老实��_��q�些例子和解释不是从我脑子里�y�出来的。我作了一些研�I�和加工才弄出来。我一直��用Python�Q�有很多�q�了�Q�但是像�q�样的规则和�Ҏ(gu��)��情况�q�不��L��现在脑��里�?br />
有时候程序员最重要的技能是“模式识别”�Q�而且知道在哪里查阅信息。如果�?zh��n)�在这一点上感到有点不知所措，请不要担心。慢慢来�Q�试试这��文章中的一些例子�?br />
让这些概念完全沉��怸�来，以便你能够理解名�U�C��饰的��M��思�\�Q�以及我向�?zh��n)�展示的一些其他的行�ؓ。如果有一天你和它们不期而遇�Q�你会知道在文��中按什么来查�?/p>
4. 双前导和双末��下划线 _var_
也许令�h惊讶的是�Q�如果一个名字同时以双下划线开始和�l�束�Q�则不会应用名称修饰�?由双下划�U�前�~�和后�~�包围的变量不会被Python解释器修改：
class PrefixPostfixTest:    def __init__(self):        self.__bam__ = 42  >>> PrefixPostfixTest().__bam__ 42 
但是�Q�Python保留了有双前导和双末��下划线的名�U�ͼ�用于�Ҏ(gu��)��用途�?�q�样的例子有�Q�__init__对象构造函敎ͼ�或__call__ --- 它��得一个对象可以被调用�?/p>
�q�些dunder�Ҏ(gu��)��通常被称为神奇方�?- 但Python�C�֌�中的许多人（包括我自己）都不喜欢�q�种�Ҏ(gu��)��?/p>
最好避免在自己的程序中使用以双下划�U�（“dunders”�Q�开头和�l�尾的名�U�ͼ�以避免与��来Python语言的变化��生冲�H��?/p>
5.单下划线 _
按照习惯�Q�有时候单个独立下划线是用作一个名字，来表�C�某个变量是临时的或无关紧要的�?br />
例如�Q�在下面的��@环中�Q�我们不需要访问正在运行的索引�Q�我们可以��?#8220;_”来表�C�它只是一个��时��|��
>>> for _ in range(32): ...    print('Hello, World.') 
你也可以在拆�?unpacking)表达式中��单个下划线用作“不关心的”变量�Q�以忽略特定的倹{�?同样�Q�这个含义只�?#8220;依照�U�定”�Q��ƈ不会在Python解释器中触发�Ҏ(gu��)��的行为�?单个下划�U�仅仅是一个有效的变量名称�Q�会有这个用途而已�?/p>
在下面的代码�C�Z��中，我将汽�R元组拆分为单独的变量�Q�但我只寚w��色和里程值感兴趣�?但是�Q��ؓ了��拆分表达式成功运行，我需要将包含在元�l�中的所有值分配给变量�?在这�U�情况下�Q?#8220;_”作�ؓ占位�W�变量可以派上用场：
>>> car = ('red', 'auto', 12, 3812.4) >>> color, _, _, mileage = car  >>> color 'red' >>> mileage 3812.4 >>> _ 12 
除了用作临时变量之外�Q?#8220;_”是大多数Python REPL中的一个特�D�变量，它表�C�由解释器评估的最�q�一个表辑ּ�的结果�?/p>
�q�样��很方便了，比如你可以在一个解释器会话中访问先前计��的�l�果�Q�或者，你是在动态构建多个对象�ƈ与它们交互，无需事先�l�这些对象分配名字：
>>> 20 + 3 23 >>> _ 23 >>> print(_) 23  >>> list() [] >>> _.append(1) >>> _.append(2) >>> _.append(3) >>> _ [1, 2, 3] 
Python下划�U�命名模�?- ��结
以下是一个简短的��结�Q�即“速查�?#8221;�Q�罗列了我在本文中谈到的五种Python下划�U�模式的含义�Q?/p>
你想更深入了解学习Python知识体系�Q�你可以看一下我们花费了一个多月整理了上百��时的几百个知识点体�p�d��容：
【超全整理】《Python自动化全能开发从入门到精通》python基础教程�W�记

发布�?2018-04-26

Python

Reference:
https://zhuanlan.zhihu.com/p/36173202

杰哥 2019-02-02 01:51 发表评论

How to read *.data in Matlab and Python

杰哥 — Fri, 12 Oct 2018 20:33:00 GMT

See P2 of "HW2_545_2018_"

In Matlab:

z = dlmread('spambase.data',',');

In Python:

import numpy as np

z = np.genfromtxt('spambase.data', dtype=float, delimiter=',')

杰哥 2018-10-13 04:33 发表评论

[zz] Adversarial Nets Papers

杰哥 — Fri, 28 Sep 2018 14:02:00 GMT

摘要: The classic about Generative Adversarial NetworksFirst paper [Generative Adversarial Nets] [Paper] [Code](the First paper of GAN)Unclassified [Deep Generative Image Models using a ... 阅读全文

杰哥 2018-09-28 22:02 发表评论

[zz] 2018 CVPR GAN 相关论文调研

杰哥 — Fri, 28 Sep 2018 14:00:00 GMT

风格�q�移

1. PairedCycleGAN: Asymmetric Style Transfer for Applying and Removing Makeup

�Q�给��化妆的风��D�{�U�）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Chang_PairedCycleGAN_Asymmetric_Style_CVPR_2018_paper.pdf

2.CartoonGAN: Generative Adversarial Networks for Photo Cartoonization

�Q�将囄��转化为卡通风格的GAN�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Chen_CartoonGAN_Generative_Adversarial_CVPR_2018_paper.pdf

3.StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation

�Q��h脸多�U�风��D�{换）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Choi_StarGAN_Unified_Generative_CVPR_2018_paper.pdf

4.Multi-Content GAN for Few-Shot Font Style Transfer

�Q�字体风��D�{换）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Azadi_Multi-Content_GAN_for_CVPR_2018_paper.pdf

5.DA-GAN: Instance-level Image Translation by Deep Attention Generative Adversarial Networks

�Q�图到图转换�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Ma_DA-GAN_Instance-Level_Image_CVPR_2018_paper.pdf

6. Conditional Image-to-Image translation

�Q�图到图的�{换）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Lin_Conditional_Image-to-Image_Translation_CVPR_2018_paper.pdf

囄��处理

1. DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks

�Q�去模糊�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Kupyn_DeblurGAN_Blind_Motion_CVPR_2018_paper.pdf

2.Attentive Generative Adversarial Network for Raindrop Removal from A Single Image

�Q�去除图片中的雨��_��

http://openaccess.thecvf.com/content_cvpr_2018/papers/Qian_Attentive_Generative_Adversarial_CVPR_2018_paper.pdf

3. Deep Photo Enhancer: Unpaired Learning for Image Enhancement from Photographs with GANs

�Q�用于照片增强）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Chen_Deep_Photo_Enhancer_CVPR_2018_paper.pdf

4. SeGAN: Segmenting and Generating the Invisible

�Q�去遮挡�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Ehsani_SeGAN_Segmenting_and_CVPR_2018_paper.pdf

5.Stacked Conditional Generative Adversarial Networks for Jointly Learning Shadow Detection and Shadow Removal

�Q�去阴媄�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Stacked_Conditional_Generative_CVPR_2018_paper.pdf

6.Image Blind Denoising With Generative Adversarial Network Based Noise Modeling

�Q�去噪声�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Chen_Image_Blind_Denoising_CVPR_2018_paper.pdf

7. Single Image Dehazing via Conditional Generative Adversarial Network

�Q�去噪声�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Li_Single_Image_Dehazing_CVPR_2018_paper.pdf

囄��生成

1. ST-GAN: Spatial Transformer Generative Adversarial Networks for Image Compositing

�Q�空间�{换生成图片）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Lin_ST-GAN_Spatial_Transformer_CVPR_2018_paper.pdf

2. SketchyGAN: Towards Diverse and Realistic Sketch to Image Synthesis

�Q�由�Ҏ(gu��)��生成囄��Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Chen_SketchyGAN_Towards_Diverse_CVPR_2018_paper.pdf

3. TextureGAN: Controlling Deep Image Synthesis with Texture Patches

�Q�由�U��\生成囄��Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Xian_TextureGAN_Controlling_Deep_CVPR_2018_paper.pdf

4. Eye In-Painting with Exemplar Generative Adversarial Networks

�Q�给人物�ȝ��睛）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Dolhansky_Eye_In-Painting_With_CVPR_2018_paper.pdf

5.Photographic Text-to-Image Synthesis with a Hierarchically-nested Adversarial Network

�Q�文本生成图片）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhang_Photographic_Text-to-Image_Synthesis_CVPR_2018_paper.pdf

6. Logo Synthesis and Manipulation with Clustered Generative Adversarial Networks

�Q�生成logo�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Sage_Logo_Synthesis_and_CVPR_2018_paper.pdf

7. Cross-View Image Synthesis Using Conditional GANs

�Q�街��Z��视图和直视�{换）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Regmi_Cross-View_Image_Synthesis_CVPR_2018_paper.pdf

8. AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks

�Q�文本生成图片）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Xu_AttnGAN_Fine-Grained_Text_CVPR_2018_paper.pdf

9. High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs

�Q�图像高分��L率）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_High-Resolution_Image_Synthesis_CVPR_2018_paper.pdf

��相关

1. Finding Tiny Faces in the Wild with Generative Adversarial Network

�Q�对低分辨率的�h脸检��）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Bai_Finding_Tiny_Faces_CVPR_2018_paper.pdf

2. Learning Face Age Progression: A Pyramid Architecture of GANs

�Q�预��年龄）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Yang_Learning_Face_Age_CVPR_2018_paper.pdf

3. Super-FAN: Integrated facial landmark localization and super-resolution of real-world low resolution faces in arbitrary poses with GANs

�Q�对低分辨率��分辨率�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Bulat_Super-FAN_Integrated_Facial_CVPR_2018_paper.pdf

4. Towards Open-Set Identity Preserving Face Synthesis

�Q��h脸合成）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Bao_Towards_Open-Set_Identity_CVPR_2018_paper.pdf

5. Weakly Supervised Facial Action Unit Recognition through Adversarial Training

�Q��h脸表情识别）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Peng_Weakly_Supervised_Facial_CVPR_2018_paper.pdf

6.FaceID-GAN: Learning a Symmetry Three-Player GAN for Identity-Preserving Face Synthesis

�Q�生成多角度��Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Shen_FaceID-GAN_Learning_a_CVPR_2018_paper.pdf

7. UV-GAN: Adversarial Facial UV Map Completion for Pose-invariant Face Recognition

�Q��h脸生成）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Deng_UV-GAN_Adversarial_Facial_CVPR_2018_paper.pdf

8.Face Aging with Identity-Preserved Conditional Generative Adversarial Networks

�Q��h脸老化�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_Face_Aging_With_CVPR_2018_paper.pdf

��Z��相关

1. Deformable GANs for Pose-based Human Image Generation

�Q��h物姿态迁�U�）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Siarohin_Deformable_GANs_for_CVPR_2018_paper.pdf

2. Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks

(用GAN生成��q�追�t?

http://openaccess.thecvf.com/content_cvpr_2018/papers/Gupta_Social_GAN_Socially_CVPR_2018_paper.pdf

3. GANerated Hands for Real-Time 3D Hand Tracking from Monocular RGB

�Q�用GAN生成的手势图片做手势�q�踪的数据集�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Mueller_GANerated_Hands_for_CVPR_2018_paper.pdf

4. Multistage Adversarial Losses for Pose-Based Human Image Synthesis

�Q��h体姿态合成）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Si_Multistage_Adversarial_Losses_CVPR_2018_paper.pdf

5. Disentangled Person Image Generation

�Q��h体合成）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Ma_Disentangled_Person_Image_CVPR_2018_paper.pdf

domain adaptation

�Q�这个没来得及找了，可能转行咯~ 唉）

1. Generate to Adapt: Aligning Domains Using Generative Adversarial Networks

2. Re-Weighted Adversarial Adaptation Network for Unsupervised Domain Adaptation

3. Adversarial Feature Augmentation for Unsupervised Domain Adaptation

4. Domain Generalization With Adversarial Feature Learning

5. Image to Image Translation for Domain Adaptation

6. Duplex Generative Adversarial Network for Unsupervised Domain Adaptation

7. Conditional Generative Adversarial Network for Structured Domain Adaptation

目标跟踪��?/span>

1.Generative Adversarial Learning Towards Fast Weakly Supervised Detection

�Q�弱监督��）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Shen_Generative_Adversarial_Learning_CVPR_2018_paper.pdf

2. SINT++: Robust Visual Tracking via Adversarial Positive Instance Generation

�Q�对抗学习生成轨�qҎ(gu��)��本）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Wang_SINT_Robust_Visual_CVPR_2018_paper.pdf

3. VITAL: VIsual Tracking via Adversarial Learning

http://openaccess.thecvf.com/content_cvpr_2018/papers/Song_VITAL_VIsual_Tracking_CVPR_2018_paper.pdf

GAN模型优化

1. SGAN: An Alternative Training of Generative Adversarial Network

�Q�替代训�l�GAN�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Chavdarova_SGAN_An_Alternative_CVPR_2018_paper.pdf

2. GAGAN: Geometry-Aware Generative Adversarial Networks

�Q�一�U�关注几何外形的GAN�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Kossaifi_GAGAN_Geometry-Aware_Generative_CVPR_2018_paper.pdf

3.Global versus Localized Generative Adversarial Nets

(局部优化GAN)

http://openaccess.thecvf.com/content_cvpr_2018/papers/Qi_Global_Versus_Localized_CVPR_2018_paper.pdf

4. Generative Adversarial Image Synthesis with Decision Tree Latent Controller

�Q�决�{�树�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Kaneko_Generative_Adversarial_Image_CVPR_2018_paper.pdf

5. Unsupervised Deep Generative Adversarial Hashing Network

�Q�哈希GAN�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Dizaji_Unsupervised_Deep_Generative_CVPR_2018_paper.pdf

6. Multi-Agent Diverse Generative Adversarial Networks

�Q�多个生成器GAN�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Ghosh_Multi-Agent_Diverse_Generative_CVPR_2018_paper.pdf

7. Duplex Generative Adversarial Network for Unsupervised Domain Adaptation

�Q�双鉴别器GAN�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Hu_Duplex_Generative_Adversarial_CVPR_2018_paper.pdf

囑փ�分割

1. Translating and Segmenting Multimodal Medical Volumes With Cycle- and Shape-Consistency Generative Adversarial Network

�Q�图像分�Ԍ��

http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhang_Translating_and_Segmenting_CVPR_2018_paper.pdf

行�h重识�?/span>

1. Person Transfer GAN to Bridge Domain Gap for Person Re-Identification

�Q�用GAN生成的�h体检��的囄��Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Wei_Person_Transfer_GAN_CVPR_2018_paper.pdf

2. Image-Image Domain Adaptation with Preserved Self-Similarity and Domain-Dissimilarity for Person Re-identification

http://openaccess.thecvf.com/content_cvpr_2018/papers/Deng_Image-Image_Domain_Adaptation_CVPR_2018_paper.pdf

视觉特征提取

1. Visual Feature Attribution using Wasserstein GANs

http://openaccess.thecvf.com/content_cvpr_2018/papers/Baumgartner_Visual_Feature_Attribution_CVPR_2018_paper.pdf

域自适应学习

1. Generate To Adapt: Aligning Domains using Generative Adversarial Networks

�Q�视觉域自适应�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Sankaranarayanan_Generate_to_Adapt_CVPR_2018_paper.pdf

囑փ��?/span>

1. HashGAN: Deep Learning to Hash with Pair Conditional Wasserstein GAN

http://openaccess.thecvf.com/content_cvpr_2018/papers/Cao_HashGAN_Deep_Learning_CVPR_2018_paper.pdf

�q�移学习

1.Partial Transfer Learning With Selective Adversarial Networks

http://openaccess.thecvf.com/content_cvpr_2018/papers/Cao_Partial_Transfer_Learning_CVPR_2018_paper.pdf

视频生成

1. MoCoGAN: Decomposing Motion and Content for Video Generation

�Q�用GAN生成视频�Q?/p>

http://openaccess.thecvf.com/content_cvpr_2018/papers/Tulyakov_MoCoGAN_Decomposing_Motion_CVPR_2018_paper.pdf

2. Learning to Generate Time-Lapse Videos Using Multi-Stage Dynamic Generative Adversarial Networks

�Q�生成�g时视频）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Xiong_Learning_to_Generate_CVPR_2018_paper.pdf

��结�Q?/strong>

可以看出GAN相关的论文还不少呀�Q�各个方面的都有�Q�可是我个�h觉得�Q�可能没有那�U�特别厉害的吧~hh
--------------------- 本文来自眉间�l�雪的CSDN 博客 �Q�全文地址��L��击：https://blog.csdn.net/weixin_42445501/article/details/82792311?utm_source=copy

杰哥 2018-09-28 22:00 发表评论

久久综合狠狠综合久久,久久精品夜色噜噜亚洲A∨,久久免费高清视频

1. 单前��g��划线 _var

2. 单末���下划线 var_

3. 双前��g��划线 __var

4. 双前导和双末���下划线 _var_

5.单下划线 _

Python下划�U�命名模�?- ���结

How to read *.data in Matlab and Python

[zz] Adversarial Nets Papers

[zz] 2018 CVPR GAN 相关论文调研

风格�q�移

囄���处理

囄���生成

�����相关