对抗生成网络

TensorFlow2-对抗生成网络

TensorFlow2对抗生成网络Whaticannotcreate,idonotunderstand.我不能创造的东西，我当然不能理解它。
周先森爱吃素·2020-06-30 16:15

对抗生成网络学习（十）——attentiveGAN实现影像去雨滴的过程(tensorflow实现)

一、背景attentiveGAN是RuiQian等人于17年11月份提出的一种模型。《AttentiveGenerativeAdversarialNetworkforRaindropRemovalfromASingleImage》在generator网络中引入了attentionmap，提高了影像中雨滴的去除效果。本实验主要参考代码[2]，进行了简单改进，用较短的代码实现该过程。[1]文章链接:h
全部梭哈迟早暴富·2020-06-30 12:28

对抗生成网络学习（八）——DeblurGAN实现运动图像的去模糊化(tensorflow实现)

一、背景DeblurGAN是OrestKupyn等人于17年11月提出的一种模型。前面学习过，GAN可以保存影像的细节纹理特征，比如之前做过的SRGAN可以实现图像的超分辨率，因此，作者利用这个特点，结合GAN和多元内容损失来构建DeblurGAN，以实现对运动图像的去模糊化。本试验的数据集为GOPRO数据，后面还会有详细的介绍，尽可能用比较少的代码实现DeblurGAN。[1]文章链接：http
全部梭哈迟早暴富·2020-06-30 12:56

对抗生成网络学习（七）——SRGAN生成超分辨率影像(tensorflow实现)

一、背景SRGAN(Super-ResolutionGenerativeAdversarialNetwork)即超分辨率GAN，是ChristianLedig等人于16年9月提出的一种对抗神经网络。利用卷积神经网络实现单影像的超分辨率，其瓶颈仍在于如何恢复图像的细微纹理信息。对于GAN而言，将一组随机噪声输入到生成器中，生成的图像质量往往较差。因此，作者提出了SRGAN，并定义一个loss函数以驱
全部梭哈迟早暴富·2020-06-30 12:56

对抗生成网络学习（二）——DCGAN生成Cage人脸图像(tensorflow实现)

一、背景DCGAN的全程为DeepConvolutionalGenerativeAdversarialNetwork，即深度卷积对抗网络。该实验的主要目的是利用DCGAN来生成人脸图像。DCGAN是AlecRadfor等人[1]于2015年提出的一种模型，该模型基于GAN，并加入了卷积网络，以实现对图像的处理。本实验以一批人脸图像为例，尽可能的用比较少的代码实现DCGAN。[1]文章链接：http
全部梭哈迟早暴富·2020-06-30 12:56

Libtorch c++ 基本概念

从最基本、最小规模的模块开始，然后利用面向c++接口内置的模块搭建完整的对抗生成网络模型。
开拓者5号·2020-06-30 05:56

PixelRNN—VAE—GAN/cGAN/WGAN

、VariationalAuto-encoder(VAE)三、GenerativeAdversarialNetwork(GAN)3.1ConditionalAdversarialNets3.2深度卷积对抗生成网络
SongpingWang·2020-06-29 20:40

Generative Adversarial Network

这里我们将建立一个对抗生成网络（GAN）训练MNIST,并在最后生成新的手写数字。
徐凯_xp·2020-06-29 14:31

GAN网络学习之DCGAN（二）

答：DC意为deepconvolution，它把卷积神经网络应用在对抗生成网络中。问：DCGAN相对于GAN做了哪些改变？
THU-弘毅·2020-06-29 08:40

利用生成对抗网络保护通信（learning to Protect Communications with Adversarial Neural Cryptography）附代码

这篇博客介绍的知识能够用到我前两篇博客的知识，如果对对抗生成网络GAN和tensorboard可视化不了解的，请移步，内含代码生成对抗网络GAN---生成mnist手写数字图像示例tensorflow的可视化工具
陶将·2020-06-29 03:23

SeqGAN Sequence Generate Adversarial Nets with Policy Gradient（阅读理解）

SeqGAN在目前是在使用生成对抗网络解决文本序列生成问题的最有影响力的一篇文章，作者针对对抗生成网络难以解决序列生成问题，提出了很多十分有价值的方法问题：（1）在GANs中，Generator是通过随机抽样作为开始
发发fjfj·2020-06-27 08:01

GAN代码解析(tensorflow实现)文章结尾有GAN资料合集

虽然暂时还没用到对抗生成网络，但是看过GAN以及WGAN、IRGAN后觉得非常有意思，将博弈论的思路放到了神经网络里面来。
YJ660·2020-06-27 07:01

报名 | 顾险峰教授讲座：对抗生成网络的几何理论解释

深度学习中的对抗生成网络GAN是复杂分布上无监督学习最具前景的方法之一。虽然在工程上对抗生成网络取得巨大成功，在理论上对于GAN的理解依然肤浅。
数据派THU·2020-06-26 17:11

第12篇 Fast AI深度学习课程——DarkNet、GAN

本节课程将介绍很火的对抗生成网络。由于这一网络结构很新，目前(课程发布时，18年4月份)Fast.AI尚未提供相应的封装，因此需要使用Pytorch的数据结构来构建。
suredied·2020-06-26 16:49

Pytorch实战3：DCGAN深度卷积对抗生成网络生成动漫头像

版权申明：本文章为本人原创内容，转载请注明出处，谢谢合作！实验环境：1.Pytorch0.4.02.torchvision0.2.13.Python3.64.Win10+Pycharm本项目是基于DCGAN的，代码是在《深度学习框架PyTorch：入门与实践》第七章的配套代码上做过大量修改过的。项目所用数据集获取：点击获取提取码：g5qa，感谢知乎用户何之源爬取的数据。请将下载的压缩包里的图片完整
拔刀就能留住落樱吗·2020-06-26 16:05

对抗生成网络（Generative Adversarial Net)

好久没有更新博客了，但似乎我每次更新博客的时候都这么说（泪）。最近对生活有了一些新的体会，工作上面，新的环境总算是适应了，知道了如何摆正工作和生活之间的关系，如何能在有效率工作的同时还能继续做自己感兴趣的事情。心理上，我依然故我般的做那个简单的技术boy，生活态度偏理想化但可以直面现实……突然想到这是一片技术博客，还是不多说自己的事情了，说一说甚嚣尘上的对抗网络吧。引入Discriminative
张雨石·2020-06-26 14:52

初始PyTorch（九）：对抗生成网络GAN

生成对抗网络GAN包含一个生成器（Generator）和一个判别器（Discriminator）。生成器用来生成假图片，判别器则用来区分，输入的图片是真图片还是假图片。生成器希望生成的图片可以骗过判别器（以假乱真），而判别器则希望提高辨别能力防止被骗。两者互相博弈，直到系统达到一个稳定状态（纳什平衡）。1.训练思想：D想来提升真图鉴别率，减少假图鉴别率。MAXV(D,G)=>MAXlogD(X)+
sleepinghm·2020-06-26 13:25

图注意力网络(GAT)

@TOC一、INTRODUCTION图注意力网络(GAT)Graphattentionnetwork缩写为GAT，若按照首字母大写，会与对抗生成网络GAN混淆。所以后面GAT即本文的图注意力网络。
怕狗子的福哥·2020-06-26 03:23

对抗生成网络

1.什么是GAN？好了，GAN如此强大，那它到底是一个什么样的模型结构呢？我们之前学习过的机器学习或者神经网络模型主要能做两件事：预测和分类，这也是我们所熟知的。那么是否可以让机器模型自动来生成一张图片、一段语音？而且可以通过调整不同模型输入向量来获得特定的图片和声音。例如，可以调整输入参数，获得一张红头发、蓝眼睛的人脸，可以调整输入参数，得到女性的声音片段，等等。也就是说，这样的机器模型能够根据
只为此心无垠·2020-06-24 23:32

对抗生成网络(GAN)原理解析及扩展应用（付论文）

论文阅读总结：这篇文章其实提出的是一种框架，只不过用多层感知器来实现一下，就得到了生成对抗网络这个特例。现在大多数的网络是判别模型，生成模型也有，比如受限玻尔兹曼机等。但是这些模型都要用到马尔可夫链，这是一个无监督学习的过程，只要有输入就可以，但是马尔可夫过程的计算量很大。GAN用监督学习实现了生成网络，不需要用马尔可夫链，用BP就可以训练。GAN最重要的就是可以生成高质量图像（按文本生成图像、提
mynodex·2020-06-24 16:07

人物动漫化

前几天看到百度邮件说提供了人物动漫化的接口，一上来描(kai)述(chui)：运用对抗生成网络技术，结合人脸检测、头发分割、人像分割等技术，为用户量身定制千人千面的二次元动漫形象。
mjTree·2020-06-24 11:59

机器学习、深度学习、计算机视觉、自然语言处理及应用案例——干货分享（持续更新……）

blog.csdn.net/lql0716/article/details/70479493author@jason_qlhttp://blog.csdn.net/lql07161、机器学习/深度学习1.1对抗生成网络
Tiger-Li·2020-06-24 00:35

生成对抗网络（GAN）的理解

最近看到了一篇关于漏洞挖掘的论文，其利用对抗生成网络来生成不同类型的测试样本，提高了传统模糊测试的漏洞挖掘效率，降低了专业知识掌握的深度，因此开始学习gan,以及在gan的基础上衍生的其他各种gans的理解
小蓝科研记录分享·2020-06-21 23:40

基于对抗生成网络的纹理合成方法—毕业论文

摘要纹理合成的概念已经出现很久，随着近年来游戏与影视等行业的迅速发展，如何实现更快速、效果更好的纹理合成方法也成为了现今的重要研究方向，纹理合成在计算机图形学与计算机视觉等领域，一直是重要的组成部分之一。以往的纹理合成方法合成纹理图像通常是利用特征矩阵，而特征矩阵是对图像中特征信息的表示。每张图像的特征信息各不相同，这也使得纹理合成方法能够合成出与原图像大致相同的生成图像。不过现有的纹理合成方法在
南木Sir·2020-06-21 21:57

对抗生成网络学习（一）——GAN实现mnist手写数字生成(tensorflow实现)

一、背景对抗神经网络GAN最早是2014年Iangoodfellow等人[1]提出的一个新的神经网络模型。在这个模型中，通过生成器G和判别器D相互博弈，以提高模型自身的泛化性能，使得生成器G最终能够产生与真实样本接近的数据。本实验以mnist数据集为例，尽可能的以最少的代码实现GAN。[1]文章链接：https://arxiv.org/pdf/1406.2661.pdf二、GAN原理GAN的原理在
全部梭哈迟早暴富·2020-06-21 15:07

从麻将到“农药”，细数 AI 攻占的游戏领域

2020-01-2607:13:04作者|十、年编辑|Camel今天是大年初一，AI科技评论给大家拜年了~鼠年携卷积神经网络，循环神经网络，孪生神经网络，脉冲神经网络，对抗生成网络，玻尔兹曼机，自编码器
喜欢打酱油的老鸟·2020-06-21 12:51

深度学习七：GAN和DCGAN入门

GAN的全称为GenerativeAdversarialNetworks，意为对抗生成网络。
东城青年·2020-06-21 04:06

使用Python来看看动漫中的你

百度人工智能运用世界领先的对抗生成网络，结合人脸检测、头发分割、人像分割等技术，为用户量身定制千人千面的二次元动漫形象，并且可通过参数设置，生成戴口罩的二次元动漫人像。
码农NoError·2020-06-20 21:02

对抗生成网络-文字到图片的合成Generative Adversarial Text to Image Synthesis

新的一年，新的开始，好想发论文啊！废话不多说，下面讲下文字到图片的生成。文字生成图片最有代表的一张图怕是这个了，牛人，大佬RNN可用来对文字进行判别和表示，GAN可以做图片生成，那么如何将字符翻译到图像像素呢？这篇论文给出了一个网络。使用RNN,来做图片生成描述，由于它是根据图片的内容和他前一个词生成下一个词，是遵循链式规则的。使用描述生成图片的话，能够正确表达文本的正确图像样例是很多的，比如鸟，
水球喵·2020-04-07 21:03

CS231n Spring 2019 Assignment 3—Generative Adversarial Networks (GANs)对抗生成网络

GenerativeAdversarialNetworks(GANs)对抗生成网络终于来到了cs231n的最后一次作业，在Generative_Adversarial_Networks_PyTorch.ipynb
赖子啊·2020-04-06 18:12

Multi-View Image Generation from a Single-View

为了由输入生成具有真实感的不同视角的图片，我们提出了一个新的图片生成模型被称为VariGANs，它结合了变分推理和对抗生成网络（GANs）的优势。
马小李23·2020-04-02 01:01

Tensorflow2.0实现对抗生成网络（GAN）

在这篇文章中，我们使用Tensorflow2.0来实现GAN，使用的数据集是手写数字数据集。引入需要的库importtensorflowastffromtensorflowimportkerasfromtensorflow.kerasimportlayersimportmatplotlib.pyplotasplt%matplotlibinline导入数据，归一化数据(train_images,tr
cofisher·2020-03-02 16:16

Face Aging with Conditional Generative Adversarial Networks

使用条件对抗生成网络的人脸老化摘要：最近对抗生成网络表明它可以生成具有非凡的视觉忠实度图片。在本文中，我们提出了基于对抗生成网络的方法来自动的进行人脸老化。
马小李23·2020-03-02 10:52

2017 ICCV 对抗生成网络GAN

Oral（3篇）1076TowardsDiverseandNaturalImageDescriptionsviaaConditionalGANBoDai;SanjaFidler;RaquelUrtasun;DahuaLin1208StackGAN:TexttoPhoto-RealisticImageSynthesisWithStackedGenerativeAdversarialNetworksH
西方失败9527·2020-02-27 08:44

基于TP-GAN的侧脸人像恢复

他们受人类视觉识别过程启发，结合对抗生成网络（GA
a微风掠过·2020-02-19 19:59

Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis

超脸部旋转：为合成逼真且保留身份信息的正面视图的全局和局部感知的对抗生成网络摘要：从单一人脸图片合成逼真的正面视角图片在人脸识别领域有广泛的应用。
马小李23·2020-02-09 02:16

Pose-Normalized Image Generation for Person Re-identification

这个模型基于一个对抗生成网络，专门用于行人重识别中的姿势规范化，因此被称作姿势规范化GAN(Pose-NormlizationPN-GAN)。有了这
马小李23·2020-02-02 01:16

2016-12-10 今日收集

seq2seq学习】’seq2seq-Attention-basedsequencetosequencelearning'byAlexandreBérardGitHub:O网页链接【(NIPS2016)如何训练对抗生成网络
hzyido·2020-01-07 20:03

本周论文推荐 -- 对抗生成网络、知识图谱补全、对话系统、文本生成

内容涵盖以下研究方向：对抗生成网络、知识图谱补全、对话系统、文本生成。
zenRRan·2020-01-04 23:26

深入浅出对抗生成网络（GAN）

GAN是机器学习的大牛IanGoodfellow于2014年提出，是一种无监督学习的实现方案。GAN一个比较接地气的应用就是生成较真实的图片，例如：风景和人脸。NIPS2016年有个Tutorial就是介绍GAN的最新进展，这里是Tutorial的文字版，这里是一篇很好的中文的解释。这里是一些有趣的Demo，可以体验一下。GAN应用超分辨生成网络：输入低分辨率图像，输出高分辨率的清晰图像。尽量地把
浮云匿晨晖·2019-12-31 22:28

LSTM之父的深度学习History

事实上，除了LSTM之外，深度神经网络、卷积神经网络、无监督学习、自监督学习、元学习、知识蒸馏、对抗生成网络等重要技术的诞生与Jürgen都有着千丝万缕的联系。
郭少悲·2019-12-19 14:56

人工智能顶会NeurIPS 2019，支付宝带来了什么？

蚂蚁金服也有多篇论文入选，聚焦对抗生成网络GAN、图神经网络GNN、深度强化学
蚂蚁金服科技·2019-12-14 13:10

对抗生成网络大集合！论文、视频、代码、研讨会一网打尽！

really-awesome-ganAlistofpapersandotherresourcesonGenerativeAdversarial(Neural)Networks.ThissiteismaintainedbyHolgerCaesar.Tocomplementorcorrectit,pleasecontactmeatholger-at-it-caesar.comorvisitit-cae
DrogoZhang·2019-12-13 12:21

【论文整理】对抗生成网络必读论文列表！

AdversarialNetsPapersFirstpaper✔️[GenerativeAdversarialNets][Paper][Code](theFirstpaperofGAN)ImageTranslation✔️[UNSUPERVISEDCROSS-DOMAINIMAGEGENERATION][Paper][Code]✔️[Image-to-imagetranslationusingco
DrogoZhang·2019-12-05 00:49

以假乱真的对抗生成网络（GAN）

本期课程到这里，博主就默认大家已经对BP、CNN、RNN等基本的神经网络属性以及训练过程都有相应的认知了，如果还未了解最基本的知识，可以翻看博主制作的深度学习的学习路线，按顺序阅读即可。深度学习的学习路线：Hello，又是一个分享的日子，博主将在本期推文给大家介绍生成对抗网络（GenerativeAdversarialNetwork）。生成对抗网络书写了一个以假乱真的剧本。近年来AI换脸等技术火爆
Chile_Wang·2019-09-13 21:15

以假乱真的对抗生成网络（GAN）

本期课程到这里，博主就默认大家已经对BP、CNN、RNN等基本的神经网络属性以及训练过程都有相应的认知了，如果还未了解最基本的知识，可以翻看博主制作的深度学习的学习路线，按顺序阅读即可。深度学习的学习路线：Hello，又是一个分享的日子，博主将在本期推文给大家介绍生成对抗网络（GenerativeAdversarialNetwork）。生成对抗网络书写了一个以假乱真的剧本。近年来AI换脸等技术火爆
Chile_Wang·2019-09-13 21:15

对抗生成网络 Generative Adversarial Networks

1.Basicidea基本任务：要得到一个generator，能够模拟想要的数据分布。(一个低维向量到一个高维向量的映射）discriminator就像是一个scorefunction。如果想让generator生成想要的目标数据，就把这些真实数据作为discriminator的输入，discriminator的另一部分输入就是generator生成的数据。1.初始化generator和discr
王朝君BITer·2019-08-27 23:00

深度卷积对抗生成网络DCGAN论文解读

论文名称：Unsupervisedrepresentationlearningwithdeepconvolutionalgenerativeadversarialnetworks论文地址：https://arxiv.org/pdf/1511.06434.pdf代码地址：https://github.com/carpedm20/DCGAN-tensorflowDCGAN提出一套更稳定的GAN体系结构
纸上得来终觉浅～·2019-08-16 10:19

从WGAN到WGAN-GP

WGAN是GAN（对抗生成网络）的一种，在WGAN中，D的任务不再是尽力区分生成样本与真实样本，而是尽量拟合出样本间的Wasserstein距离，从分类任务转化成回归任务。
qq_23304241·2019-08-14 20:58

CVPR2018:论文笔记

对抗生成网络用于生成随机部分，确定部分可视为一个回归
LYROOO·2019-08-07 19:05
上一页 1 2 3 4 5 6 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他