做网站用商标吗,最新军事新闻头条,网站关键字优化简介,知名网页设计公司目的#xff1a;为了找到一个最能解释得到的生成样本的模型 PixelRNN
我们需要利用概率链式法则将图像x的生成概率转变为每个像素生成概率的乘积#xff0c;也就是每个通道生成概率的乘积。
公式#xff1a; 公式解释#xff1a;p(x)是每个图像x的概率#xff1b;右侧为… 目的为了找到一个最能解释得到的生成样本的模型 PixelRNN
我们需要利用概率链式法则将图像x的生成概率转变为每个像素生成概率的乘积也就是每个通道生成概率的乘积。
公式 公式解释p(x)是每个图像x的概率右侧为第i个像素在1至i-1像素条件下的条件概率 训练这个RNN时一次前向传播需要从左上到右下串行走一遍然后根据上面的公式求出似然并最大化似然以对参数做一轮更新。像素值是逐个构建和更新的
——》效率低——》CNN代替RNN来构建未知像素的分布律——》
PixelCNN
使用一个CNN来接收之前的所有像素并预测下一个像素的出现概率 效果在测试阶段我们会发现PixelRNN和PixelCNN都要从左上角开始逐个像素点地生成图片实际应用阶段生成图像的速度是很慢的。
