生成对抗网络

PyTorch深度学习实战（32）——DCGAN详解与实现

模型与数据集分析1.1模型分析1.2数据集介绍2.构建DCGAN生成人脸图像小结系列链接0.前言DCGAN(DeepConvolutionalGenerativeAdversarialNetworks)是基于生成对抗网络
盼小辉丶·2024-01-28 23:44

PyTorch深度学习实战（33）——条件生成对抗网络(Conditional Generative Adversarial Network, CGAN)

PyTorch深度学习实战（33）——条件生成对抗网络0.前言1.条件生成对抗网络1.1模型介绍1.2模型与数据集分析2.实现条件生成对抗网络小结系列链接0.前言条件生成对抗网络(ConditionalGenerativeAdversarialNetwork
盼小辉丶·2024-01-28 23:12

DCGAN

[DCGAN]的全称是DeepConvolutionGenerativeAdversarialNetworks(深度卷积生成对抗网络)。
数据智能谷·2024-01-28 07:10

人工智能时代的十大核心技术：重塑未来的无限可能 - 第四章 - 生成对抗网络（GANs），AI的“造假”高手

生成对抗网络（GANs）：AI的“造假”高手在人工智能（AI）的世界里，有一种神奇的技术能够生成逼真度极高的假图像、假声音等数据，它就是生成对抗网络（GANs）。
百家峰会·2024-01-27 17:40

生成对抗网络简介

生成对抗网络（GenerativeAdversarialNetwork，GAN）在医疗AI领域尤其是医学成像领域具有重要价值。
长路漫漫2021·2024-01-27 11:10

生成对抗网络

目录1.GAN的网络组成2.损失函数解释说明2.1BCEloss2.2整体代码1.GAN的网络组成2.损失函数解释说明2.1BCEloss损失函数importtorchfromtorchimportautogradinput=autograd.Variable(torch.tensor([[1.9072,1.1079,1.4906],[-0.6584,-0.0512,0.7608],[-0.061
sendmeasong_ying·2024-01-26 06:04

BIGVGAN: A UNIVERSAL NEURAL VOCODER WITHLARGE-SCALE TRAINING——TTS论文阅读

22ba641c6792【FlowUs息流】Bigvgan论文地址：BigVGAN:AUniversalNeuralVocoderwithLarge-ScaleTrainingAbstract背景：最近基于生成对抗网络
pied_piperG·2024-01-25 08:14

超分之SRGAN

Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork使用生成对抗网络的逼真单图像超分辨率一作：ChristianLedig
深度学习炼丹师-CXD·2024-01-25 01:34

超分之ESRGAN

Esrgan：增强型超分辨率生成对抗网络。
深度学习炼丹师-CXD·2024-01-25 01:33

深度学习如何入门，如何快速理解深度学习

深度学习算法包括卷积神经网络、循环神经网络和生成对抗网络等，它们在语音识别、图像识别、自然语言处理、机器翻译等领域都取得了很大的进展。它使用了深度
打工人何苦为难打工人·2024-01-24 08:28

PLAN方法：解决 GAN 生成医学图像 Latent 空间中的隐私保护方法

k-SALSA生成视网膜图PLAN方法生成视网膜图总结PLAN原理论文：https://arxiv.org/abs/2307.02984代码：https://github.com/perceivelab/PLAN生成对抗网络
Debroon·2024-01-23 11:02

图像检测系列之（12）异常检测（13）拼接伪造（14）deepfake | ICCV2021生成对抗GAN汇总梳理...

（1）GAN改进系列|最新ICCV2021生成对抗网络GAN论文梳理汇总图像编辑系列之（2）基于StyleGAN（3）GAN逆映射（4）人脸（5）语义生成|ICCV2021生成对抗GAN梳理汇总图像恢复系列之
机器学习与AI生成创作·2024-01-23 06:26

PyTorch深度学习实战（31）——生成对抗网络(Generative Adversarial Network, GAN)

PyTorch深度学习实战（31）——生成对抗网络0.前言1.GAN2.GAN模型分析3.利用GAN模型生成手写数字小结系列链接0.前言生成对抗网络(GenerativeAdversarialNetworks
盼小辉丶·2024-01-22 15:46

第四十周：文献阅读+GAN

结合小波变换和主成分分析的长短期记忆神经网络深度学习在城市日需水量预测中的应用现有问题创新点方法论PCA（主要成分分析法）DWT（离散小波变换）DWT-PCA-LSTM模型研究实验实验目的数据集评估指标实验设计实验结果分析Generativeadversarialnetwork（GAN生成对抗网络
m0_66015895·2024-01-22 09:42

李宏毅 Generative Adversarial Network（GAN）生成对抗网络

(延申)GANLecture1(2018)-Introduction_哔哩哔哩_bilibiliBasicIdeaofGAN附课程提到的各式各样的GAN：https://github.com/hindupuravinash/the-gan-zoo想要让机器做到的是生成东西。->训练出来一个generator。假设要做图像生成，要做的是随便给一个输入（randomsample一个vector，比如从
Karen_Yu_·2024-01-22 09:11

视频异常检测论文笔记

看几篇中文的学习一下别人的思路基于全局-局部自注意力网络的视频异常检测方法主要贡献：网络结构注意力模块结构：融合自注意力和自编码器的视频异常检测主要贡献：网络结构Transformer模块动态图融合门控自注意力机制的生成对抗网络视频异常检测贡献网络结构门控注意力机制基于全局
何大春·2024-01-21 05:54

Pytorch从零开始实战17

Pytorch从零开始实战——生成对抗网络入门本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——生成对抗网络入门环境准备模型定义开始训练总结环境准备本文基于Jupyternotebook
Liquor999·2024-01-20 15:13

GAN在图像数据增强中的应用

在图像数据增强领域，生成对抗网络（GAN）的应用主要集中在通过生成新的图像数据来扩展现有数据集的规模和多样性。
LittroInno·2024-01-19 14:22

机器学习（一）—— 简介

深度学习4预备知识5监督学习与无监督学习1工业界流行的机器学习算法线型回归逻辑回归决策树随机森林梯度提升机人工神经网络卷积神经网络循环神经网络贝叶斯技术支持向量机进化方法马尔可夫逻辑网络隐马尔可夫模型生成对抗网络
奶盖加芝士·2024-01-19 10:15

图像生成之条件生成对抗网络（CGAN）

简要介绍原文：ConditionalGenerativeAdversarialNets这篇十年前的论文提出了多模态的思想，在我看来真的很有意义，所以我专门去写这篇文章。在原文中，作者指出扩大神经网络模型去适应大量的预测输出类别是很有挑战性的，所以作者提到，利用来自其他模态的附加信息去解决这个问题:例如，通过使用自然语言语料库来学习标签的向量表示，因为几何关系具有语义意义，可以自然地对训练期间未见过
Wilson_Hank·2024-01-19 05:34

图像生成之CycleGAN

生成对抗网络（GAN）生成器（Generator）：有两个
Wilson_Hank·2024-01-19 05:34

图像生成之生成对抗网络（Generative adversarial networks，GAN）

简要介绍原文：GenerativeAdversarialNetworks(arxiv.org)以前的一些模型是通过显示训练数据的分布，比如上面的VAE。也就是可以得到最终训练好的均值与方差，而GAN是隐式训练。GAN受博弈论中的零和博弈启发，将生成问题视作判别器和生成器这两个网络的对抗和博弈：生成器从给定噪声中（一般是指均匀分布或者正态分布）产生合成数据，判别器分辨生成器的的输出和真实数据。前者试
Wilson_Hank·2024-01-19 05:03

半监督学习 - 半监督生成对抗网络（Semi-Supervised GANs）

半监督生成对抗网络（Semi-SupervisedGANs）是一种结合生成对抗网络（GANs）和半监督学习的方法。
草明·2024-01-18 14:40

【AI绘画】Midjourney到底是什么？看完就懂了！！！

Midjourney同样使用了类似于GPT-4的深度学习技术——“生成对抗网络”（GenerativeAdversarialNetworks，简称GA
AI想象家·2024-01-18 13:33

生成对抗网络GAN（MNIST实现、时间序列实现）

生成对抗网络生成对抗网络介绍MNIST—GANConditionalGAN(CGAN)—时间序列预测生成对抗网络介绍生成对抗网络（GenerativeAdversarialNetwork，简称GAN）是一种深度学习模型
机智的小神仙儿·2024-01-18 09:10

GAN生成对抗网络介绍

GAN简介GAN全称是GenerativeAdversarialNetworks，即生成对抗网络。“生成”表示它是一个生成模型，而“对抗”代表它的训练是处于一种对抗博弈状态中的。
夏日、荷花&你·2024-01-18 01:03

论文阅读：Bayesian GAN

BayesianGAN点击访问paper官方github半监督学习对比算法1.简介贝叶斯GAN（Saatchi和Wilson，2017）是生成对抗网络（Goodfellow，2014）的贝叶斯公式，我们在其中学习生成器参数
风尘23187·2024-01-17 19:40

GAN的一些很酷的应用

摘要：本文主要讲述了生成对抗网络GANs的发展和主要应用。在GAN发展的最初几年里，我们取得了令人瞩目的进展。当然，现在不会是像恐怖电影里那样有邮票大小的面部照片了。
城市中迷途小书童·2024-01-17 17:42

生成对抗网络GAN简介- 图像处理应用

GAN是一种由两部分组成的神经网络架构，通常用于生成逼真的图像。这两部分是生成器（Generator）和判别器（Discriminator）。生成器（Generator）：它的目标是创建逼真的图像。这些图像是从随机噪声开始生成的，生成器试图使其尽可能接近真实数据分布。判别器（Discriminator）：它的任务是区分生成器产生的图像和真实图像。判别器通过评估图像的真实性来提供反馈，以指导生成器的
LittroInno·2024-01-16 06:56

竞赛保研 基于生成对抗网络的照片上色动态算法设计与实现 - 深度学习 opencv python

文章目录1前言1课题背景2GAN(生成对抗网络)2.1简介2.2基本原理3DeOldify框架4FirstOrderMotionModel5最后1前言优质竞赛项目系列，今天要分享的是基于生成对抗网络的照片上色动态算法设计与实现该项目较为新颖
iuerfee·2024-01-16 05:42

【转载】用Masking GAN让100,000人都露出灿烂笑容

继卷积神经网络（CNN）掀起深度学习的浪潮后，生成对抗网络（GAN）逐渐成为了计算机
dopami·2024-01-15 11:11

【期末总复习】计算机视觉导论

1、计算机视觉的三大任务分类、检测（定位）、分割（语义和实例）2、生成对抗网络的基本概念生成对抗网络GAN是一种用于生成模型的机器学习框架。它由两个主要组件组成：生成网络和判别网络。
hellenionia·2024-01-15 08:43

TRB 2024论文分享：基于生成对抗网络和Transformer模型的交通事件检测混合模型

TRB（TransportationResearchBoard，美国交通研究委员会，简称TRB）会议是交通研究领域知名度最高学术会议之一，近年来的参会人数已经超过了2万名，是参与人数和国家最多的学术盛会。TRB会议几乎涵盖了交通领域的所有主题，主要包括公路、铁路、水运、航空、管道等诸多领域，接收来自交通系统、交通工程、交通政策、交通管理、交通实际操作、政府研究、学术研究和工业界最新的研究成果。TR
audyxiao001·2024-01-15 08:21

MISGAN

MISGAN：通过生成对抗网络从不完整数据中学习代码、论文、会议发表：ICLR2019摘要：生成对抗网络（GAN）已被证明提供了一种对复杂分布进行建模的有效方法，并在各种具有挑战性的任务上取得了令人印象深刻的结果
llddycidy·2024-01-14 16:00

AIGC实战——生成对抗网络(Generative Adversarial Network, GAN)

AIGC实战——生成对抗网络0.前言1.生成对抗网络1.1生成对抗网络核心思想1.2深度卷积生成对抗网络2.数据集分析3.构建深度卷积生成对抗网络3.1判别器3.2生成器3.3DCGAN模型训练4.GAN
盼小辉丶·2024-01-14 13:45

AIGC实战——WGAN(Wasserstein GAN)

WGAN-GP1.1Wasserstein损失1.2Lipschitz约束1.3强制Lipschitz约束1.4梯度惩罚损失1.5训练WGAN-GP2.GAN与WGAN-GP的关键区别3.WGAN-GP模型分析小结系列链接0.前言原始的生成对抗网络
盼小辉丶·2024-01-14 13:45

【深度学习：Foundation Models】基础模型完整指南

基础模型背后的5项人工智能原理根据大量数据进行预训练自我监督学习过度拟合微调和快速工程（适应性强）广义的基础模型的用例基础模型的类型计算机视觉基础模型计算机视觉基础模型的示例多模式基础模型多模式基础模型示例生成对抗网络
jcfszxc·2024-01-14 10:14

DragGAN: 在生成图像流上进行基于点的交互式操作

该论文介绍了一种基于生成对抗网络（GAN）的交互式图像操作方法。它允许用户通过在生成图像的潜在空间中移动点来实现图像的变形和调整。这种交互式操作使用户能够直接控制
windfbi·2024-01-14 10:37

深度生成模型（Deep Generative Models）

深度生成模型的两个主要类型是生成对抗网络（GANs）和变分自编码器（VAEs）。1.生成对抗网络（GANs）GANs是由生成器和判别器组成的框架，它们相互博弈以达到生成逼真样本的目标。
草明·2024-01-14 06:53

从无到有：AI绘画API在插画与游戏设计中的应用

这些API通常采用GAN（生成对抗网络）架构，由生成器和判别器两部分组成。生成器负责根据输
海碗吃饭·2024-01-13 05:44

【论文综述】一篇关于GAN在计算机视觉邻域的综述

正文生成对抗网络是一种基于博弈论的生成模型，其中神经网络用于模拟数据分布。应用领域：语言生成、图像生成、图像到图像翻译、图像生成文本描述、视频生成。
资料加载中·2024-01-11 10:17

怎么使用GAN 生成用户操作

GAN（生成对抗网络）通常用于生成类似真实数据的新样本，而在模拟用户操作方面，它可以被用来生成与真实用户行为相似的虚拟用户操作序列。下面是一般的步骤：1、定义问题和数据：确定你想要模拟的用户操作类型。
benhuyun_yohu·2024-01-11 06:51

常见的生成模型有哪些？

以下是一些主要的生成模型：生成对抗网络（GANs）:GAN由两个部分组成：生成器（生成新数据）和判别器（区分真实数据和生成的数据）。这两部分在训练过程中相互竞争，提高彼此的性能。
CA&AI-drugdesign·2024-01-10 11:38

AI量化策略 篇一：方向综述

CNN)深度自回归网络（DeepAR）其他长短时记忆网络(LSTM)线性回归模型自回归模型（ARIMA,GARCH）随机森林（RandomForests）梯度提升决策树（GBDT）支持向量机（SVM）生成对抗网络
李小白杂货铺·2024-01-10 04:08

UCLA提出自我博弈微调：无需额外微调数据，左右互搏即可大幅提升LLM能力

而这种想法不仅能用来练武功，也能用来训练机器学习模型，比如前些年风靡一时的生成对抗网络（GAN）。进入现今的大模型(LLM)时代，又有研究者发现了左右互搏的精妙用法！
PaperWeekly·2024-01-09 11:48

【机器学习】对抗生成网络

一、随机数据生成随机数据生成算法随机数据生成的显示建模和隐式建模二、生成对抗网络结构生成对抗网络（GAN）中，生成模型（Generator）和判别模型（Discriminator）的任务和训练目标分别是
十年一梦实验室·2024-01-09 11:11

适合小白学习的GAN（生成对抗网络）算法超详细解读

前言“GANsare'thecoolestideaindeeplearninginthelast20years.'”--YannLeCunn,Facebook’sAIchief今天我们就来认识一下这个传说中被誉为过去20年来深度学习中最酷的想法——GAN。GAN之父的主页：http://www.iangoodfellow.com/GAN论文地址：https://arxiv.org/pdf/1406
路人贾'ω'·2024-01-08 05:24

GAN-概念和应用场景

概念和应用生成对抗网络（GAN）的18个令人印象深刻的应用by杰森·布朗利onJuly12，2019in生成对抗网络110鸣叫共享生成对抗网络（GAN）是一种用于生成建模的神经网络架构。
闪闪发亮的小星星·2024-01-07 19:57

深度卷积生成对抗网络（DCGAN）|完整代码实现

生成对抗网络（GAN）由IanGoodfellow在2014年提出。GAN通过训练两个神经网络解决了非监督问题。这两个网络一个称为生成网络，一个称为判别网络。事实上，该网络的训练过程很有趣。
霜溪·2024-01-07 19:58

STGAN：用于交通数据插补的时空生成对抗网络

这些质量差的数据无疑会降低ITS的性能；本文贡献：为交通数据插补任务提出了一种改进的生成对抗网络框架。引入GAN来捕获大量分布的流量数据，并链接扩张卷积捕获的相邻数据
llddycidy·2024-01-07 07:01
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他