CvxNet: Can an autoencoder reconstruct an image exactly?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- computer-vision, machine-learning
Direzione di ricerca
Iniziare dalla discussione sull’autoencoder CvxNet e dalla Figure 3 a pagina 4, quindi confrontare il comportamento riportato per una singola immagine e per più immagini utilizzando i parametri elencati. Il lavoro sarà considerato completato quando sarà determinato se è stata dimostrata una ricostruzione esatta e sarà chiarito perché le forme rettangolari vengono ricostruite male su più immagini di addestramento.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi!
Thank you for your work!
In the paper I see that you show examples where 2D b/w images are used as the autoencoder input (Figure 3, page 4), so as the output you have object exactly reconstructed by the half-planes (lines in 2D space).
Tell me, please, whether such experiments were carried out? Does the network actually restore the shape exactly?
I am interested in this for the reason that I decided to conduct similar experiments for my own purposes (with 2d b/w images with oriented rectangles along the coordinate axes, one rectangle per image), but I can't train the network. For one image, the network is trained well (and work on this example well), but if I train it using multiple images, the predictions (even on the training sample) in most cases are very bad at restoring the shape of rectangles.
It seems like it should work.
Some parameters I use:
n_half_planes = 15 # with a margin, although the rectangle has only 4 sides
n_parts = 1 # one rectangle per image
dims = 2 # b/w images
lr = 1e-4
latent_size = 10
Also, I use more light backbone.
- Lingua principale
- Python
- Stelle
- 2.8k
- Fork
- 374
- Merge medio
- 5g 9h
- PR unite (30g)
- 1
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/graphics
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
tensorflow/graphics#468 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
tensorflow/graphics#5337 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100
tensorflow/graphics#730 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
tensorflow/graphics#729 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 10/100
tensorflow/graphics#724 ·
Tutte le issue di tensorflow/graphics
Issue simili
-
Document style: tablesAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
-
Successor registrant to review: Navient Holdings, Inc. (CIK 2152623), 8-K12B 0001193125-26-436899Apertasuccessor-review
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
dgunning/edgartools#1889 ·
I maintainer di solito rispondono entro 1 giorno
-
`destroy` sans terminal répond « Aborted. » au lieu de réclamer `--yes` comme `clean` et `reset`Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
stephrobert/dsoxlab#354 ·
I maintainer di solito rispondono entro 1 giorno
-
hardware help wanted testing
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
mediajunkie/piper-morgan-product#2335 · 1 commento ·