Torch 和 OpenCV4.0 在风格转换中对应层（风格迁移）

上一章中已经从 OpenCV4.0 中导出风格迁移各层名称，这里来和 Torch 比一比:

Torch 层          OpenCV4.0 层
nn.Sequential
nn.SpatialReflectionPadding l1_Padding  加对边 (四周各加20个像素宽的边)
nn.SpatialConvolution       l2_Convolution  卷积      3-->16扩维
nn.InstanceNormalization    l3_MVN      实例正则化
nn.SpatialBatchNormalization    l4_BatchNorm    批正则化
nn.ReLU             l5_ReLU     relu激励
nn.SpatialConvolution       l6_Convolution  卷积      16-->32扩维，并2倍下采样
nn.InstanceNormalization    l7_MVN
nn.SpatialBatchNormalization    l8_BatchNorm
nn.ReLU             l9_ReLU
nn.SpatialConvolution       l10_Convolution 卷积      32-->64扩维，并2倍下采样
nn.InstanceNormalization    l11_MVN
nn.SpatialBatchNormalization    l12_BatchNorm
nn.ReLU             l13_ReLU
--------------------------------------------------残差块 1
nn.Sequential
nn.ConcatTable
nn.Sequential
nn.SpatialConvolution       l15_Convolution 卷积      64-->64维不变
nn.InstanceNormalization    l16_MVN
nn.SpatialBatchNormalization    l17_BatchNorm
nn.ReLU             l18_ReLU
nn.SpatialConvolution       l19_Convolution 卷积      64-->64维不变
nn.InstanceNormalization    l20_MVN
nn.SpatialBatchNormalization    l21_BatchNorm
nn.ShaveImage           l22_Slice   去边（四周刮去1像素宽边）(1*5*4=20)
nn.CAddTable            l23_torchCAddTable  矩阵相加 (残差+输入)
--------------------------------------------------残差块 2
nn.Sequential
nn.ConcatTable
nn.Sequential
nn.SpatialConvolution       l25_Convolution
nn.InstanceNormalization    l26_MVN
nn.SpatialBatchNormalization    l27_BatchNorm
nn.ReLU             l28_ReLU
nn.SpatialConvolution       l29_Convolution
nn.InstanceNormalization    l30_MVN
nn.SpatialBatchNormalization    l31_BatchNorm
nn.ShaveImage           l32_Slice
nn.CAddTable            l33_torchCAddTable
--------------------------------------------------残差块 3
nn.Sequential
nn.ConcatTable
nn.Sequential
nn.SpatialConvolution       l35_Convolution
nn.InstanceNormalization    l36_MVN
nn.SpatialBatchNormalization    l37_BatchNorm
nn.ReLU             l38_ReLU
nn.SpatialConvolution       l39_Convolution
nn.InstanceNormalization    l40_MVN
nn.SpatialBatchNormalization    l41_BatchNorm
nn.ShaveImage           l42_Slice
nn.CAddTable            l43_torchCAddTable
--------------------------------------------------残差块 4
nn.Sequential
nn.ConcatTable
nn.Sequential
nn.SpatialConvolution       l45_Convolution
nn.InstanceNormalization    l46_MVN
nn.SpatialBatchNormalization    l47_BatchNorm
nn.ReLU             l48_ReLU
nn.SpatialConvolution       l49_Convolution
nn.InstanceNormalization    l50_MVN
nn.SpatialBatchNormalization    l51_BatchNorm
nn.ShaveImage           l52_Slice
nn.CAddTable            l53_torchCAddTable
--------------------------------------------------残差块 5
nn.Sequential
nn.ConcatTable
nn.Sequential
nn.SpatialConvolution       l55_Convolution
nn.InstanceNormalization    l56_MVN
nn.SpatialBatchNormalization    l57_BatchNorm
nn.ReLU             l58_ReLU
nn.SpatialConvolution       l59_Convolution
nn.InstanceNormalization    l60_MVN
nn.SpatialBatchNormalization    l61_BatchNorm
nn.ShaveImage           l62_Slice
nn.CAddTable            l63_torchCAddTable
nn.SpatialFullConvolution   l64_Deconvolution   反卷积 64-->32减维，并2倍上采样
nn.InstanceNormalization    l65_MVN
nn.SpatialBatchNormalization    l66_BatchNorm
nn.ReLU             l67_ReLU
nn.SpatialFullConvolution   l68_Deconvolution   反卷积 32-->16减维，并2倍上采样
nn.InstanceNormalization    l69_MVN
nn.SpatialBatchNormalization    l70_BatchNorm
nn.ReLU             l71_ReLU
nn.SpatialConvolution       l72_Convolution 卷积      16-->3减维
nn.Tanh             l73_TanH
nn.MulConstant          l74_Power
nn.TotalVariation       l75_Identity

Torch 和 OpenCV4.0 在风格转换中对应层（风格迁移）相关推荐

Java版AVG游戏开发入门[0]——游戏模式转换中的事件交互
示例程序下载地址:http://download.csdn.net/source/999273(源码在jar内) AVG,即Adventure Game,可以直译为[冒险游戏].但是通常情况下我们说A ...
图像合成与风格转换实战
图像合成与风格转换实战神经式转移 Neural Style Transfer 如果使用社交分享应用程序或者碰巧是个业余摄影师,对过滤器很熟悉.滤镜可以改变照片的颜色样式,使背景更清晰或人的脸更白.然 ...
【吴恩达深度学习编程作业】4.4特殊应用——人脸识别和神经风格转换（问题未解决）
参考文章:1.人脸识别与神经风格转换 2.神经风格转换编程作业神经网络风格中遇到的问题已经解决了并将解决方案写在了备注里面,但是人脸识别那里运行到database就出错了,目前仍没有找到解决方案.我 ...
(二)快速图像风格转换
快速图像风格迁移是在"原始"图像风格迁移基础上的一种"高效"转换方案. [github传送门]https://github.com/hzy46/fast-neu ...
04.卷积神经网络 W4.特殊应用：人脸识别和神经风格转换（作业：快乐屋人脸识别+图片风格转换）
文章目录作业1:快乐房子 - 人脸识别 0. 朴素人脸验证 1. 编码人脸图片 1.1 使用卷积网络编码 1.2 Triplet 损失 2. 加载训练过的模型 3. 使用模型 3.1 人脸验证 3. ...
吴恩达【深度学习工程师】 04.卷积神经网络第四周特殊应用（2)神经风格转换...
该笔记介绍的是<卷积神经网络>系列第四周:特殊应用(2)神经风格转换主要内容有: 1.神经风格转换 2.卷积网络隐藏单元可视化显示 3.神经风格转换代价函数 4.内容代价函数 5.风格代 ...
PyTorch 1.0 中文官方教程：使用 PyTorch 进行图像风格转换
译者:bdqfork 作者: Alexis Jacq 简介本教程主要讲解如何实现由Leon A. Gatys,Alexander S. Ecker和Matthias Bethge提出的 Neural ...
OpenCV-4.0.0在Ubuntu16.04 64位中的安装
步骤一:安装必要的库 sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-con ...
cuda 9.0 安装torch 0.4_PyTorch geometric 安装中libcusparse.so.10 error的解决策略
准备工作(自己的电脑): OS: Ubuntu 16.04 Python version: 3.6 PyTorch version: 1.6.0 CUDA version: 10.1 安装流程(pip ...

Torch 和 OpenCV4.0 在风格转换中对应层（风格迁移）

Torch 和 OpenCV4.0 在风格转换中对应层（风格迁移）相关推荐

最新文章

热门文章