论文地址：https://arxiv.org/abs/1703.10593
生成对抗损失：
生成器G的目标是将X空间中的样本转化成Y空间中的样本，将学习X->Y的映射。
根据交叉摘损失，可以构造下面的损失函数
D为判别器，输出值[0,1]，Dy=1代表输出来自Y空间
引入生成器F，目标是将Y空间中的样本转化为X空间中的样本，学习Y->X的映射。
F的损失函数与G相似。
循环一致性损失：
最终的损失函数：
注：此文为阅读笔记，参考了其他的论文，博客，如有侵权请联系，我附上原出处。
版权声明：本文为CSDN博主「zxm_」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zxm_jimin/article/details/121319657
©PaperWeekly 原创 · 作者｜张一帆学校｜华南理工大学本科生研究方向｜CV，CausalityDETR 在短短一年时间收获了 200 引用量，可谓是风靡一时&#x
YOLO-V3-SPP 继前两篇简单的YOLO博文 YOLO-V1 论文理解《You Only Look Once: Unified, Real-Time Object Detection》YOLO-V2论文理解《YOLO9000: Bet
最近在折腾yolov5，训练了一个识别纸牌的模型，最后使用onnxruntime进行部署，感兴趣的可以上github上clone下来玩玩，模型的权重文件上传到了百度网盘，链接
目录 基础理论 一、 读取文件 二、神经网络初始化 1、搭建神经网络 2、GPU加速 三、打开摄像头、按帧读取图像 四、向神经网络输入 五、获取神经网络输出 1、获取各层名称 2、获取输出层名称 3、获取输出层图像ÿ
暂无评论