深度生成模型之GAN的评估 -＞（个人学习记录笔记）

10月前作者：slience_me 分类：Toy博客阅读(43) 违法举报

这篇具有很好参考价值的文章主要介绍了深度生成模型之GAN的评估 -＞（个人学习记录笔记）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

深度生成模型之GAN的评估

图像翻译的应用

1. 风格迁移

各类风格化应用

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

2. 数据增强

仿真数据，增强数据的多样性

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

3. 经典图像任务

图像上色，图像分割，边缘检测，图像增强，超分辨，图像修复等

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

4. 内容创作

交互式图像生成，图像编辑

5. 人脸图像编辑

人脸表情，年龄，妆容，身份编辑，动漫风格化等

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

6. 人体图像编辑

虚拟试衣，动作迁移等

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

图像翻译模型

1. 有监督图像翻译模型

Pix2pix，输入为图片，输出为图片，条件也是图片，需要成对的图片/标签数据进行训练

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

Pix2pixHD，使用多尺度生成高精度结果(2048×1024)

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

2. 无监督图像翻译模型

Couple-GAN，获取两个域的联合分布

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

UNIT，使用两个编码器将不同域的样本X1和X2映射到共享潜在空间z，然后分别输入生成器和判别器

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

CycleGAN，循环GAN

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

CycleGAN工程技巧

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记

与CycleGAN近似等价的其他结构，DualGAN，DiscoGAN，XGAN

3. 多域图像翻译模型

StarGAN，多域之间的转换

深度生成模型之GAN的评估 -＞（个人学习记录笔记）,机器学习,生成对抗网络,学习,笔记文章来源地址https://www.toymoban.com/news/detail-775654.html

部分内容来自阿里云天池

到了这里，关于深度生成模型之GAN的评估 -＞（个人学习记录笔记）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：

领支付宝红包赞助服务器费用

深度学习进阶篇[9]：对抗生成网络GANs综述、代表变体模型、训练策略、GAN在计算机视觉应用和常见数据集介绍，以及前沿问题解决

【深度学习入门到进阶】必看系列，含激活函数、优化策略、损失函数、模型调优、归一化算法、卷积模型、序列模型、预训练模型、对抗神经网络等专栏详细介绍：【深度学习入门到进阶】必看系列，含激活函数、优化策略、损失函数、模型调优、归一化算法、卷积模型、

2024年02月08日
浏览(102)
深度学习生成对抗网络（GAN）

生成对抗网络(Generative Adversarial Networks)是一种无监督深度学习模型，用来通过计算机生成数据，由Ian J. Goodfellow等人于2014年提出。模型通过框架中(至少)两个模块：生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。生成对抗网络被认为是当

2024年02月07日
浏览(61)
深度学习基础——GAN生成对抗网络

生成对抗网络GAN(Generative adversarial networks)是Goodfellow等在2014年提出的一种生成式模型。GAN在结构上受博弈论中的二元零和博弈(即二元的利益之和为零，一方的所得正是另一方的所失)的启发，系统由一个生成器和一个判别器构成。生成器和判别器均可以

2024年02月22日
浏览(66)
深度学习（4）---生成式对抗网络(GAN)

1. 生成式对抗网络（Generative Adversarial Network，GAN）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。它启发自博弈论中的二人零和博弈（two-player game），两位博弈方分别由生成模型（generative model）和判别模型（discriminative model）充当。 2. 判别模

2024年02月08日
浏览(58)
【Pytorch深度学习实战】（10）生成对抗网络（GAN）

🔎大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流🔎 📝个人主页－Sonhhxg_柒的博客_CSDN博客 📃 🎁欢迎各位→点赞👍 + 收藏⭐️ + 留言📝 📣系列专栏 - 机器学习【ML】自然语言处理【NLP】深度学习【DL】 🖍foreword ✔说

2023年04月08日
浏览(55)
【人工智能与深度学习】生成对抗网络（GAN）

2024年02月01日
浏览(50)
【深度学习】BasicSR训练过程记录，如何使用BasicSR训练GAN

BasicSR支持两种灵活的使用场景，以满足用户不同的需求：本地克隆仓库使用：用户可以直接克隆BasicSR的本地仓库，查看完整的代码并进行修改，例如在BasicSR中训练SRGAN或StyleGAN2。安装方式包括先执行 git clone ，然后运行 python setup.py develop/install 。详细信息请参考安装指南。

2024年01月23日
浏览(48)
深度学习7:生成对抗网络 – Generative Adversarial Networks | GAN

生成对抗网络 – GAN 是最近2年很热门的一种无监督算法，他能生成出非常逼真的照片，图像甚至视频。我们手机里的照片处理软件中就会使用到它。目录生成对抗网络 GAN 的基本原理大白话版本非大白话版本第一阶段：固定「判别器D」，训练「生成器G」第二阶段：固定

2024年02月11日
浏览(57)
深度学习系列29：VQ-GAN模型

发表于2021年，来自德国海德堡大学IWR研究团队。最大的亮点在于其可以生成百万像素级别的图片。 VQGAN的突出点在于其使用codebook来离散编码模型中间特征，并且使用Transformer（GPT-2模型）作为编码生成工具。codebook的思想在VQVAE中已经提出，而VQGAN的整体架构大致是将VQVAE的编

2024年02月04日
浏览(38)
PyTorch深度学习实战（31）——生成对抗网络(Generative Adversarial Network, GAN)

生成对抗网络 ( Generative Adversarial Networks , GAN ) 是一种由两个相互竞争的神经网络组成的深度学习模型，它由一个生成网络和一个判别网络组成，通过彼此之间的博弈来提高生成网络的性能。生成对抗网络使用神经网络生成与原始图像集非常相似的新图像，它在图像生成中应用

2024年01月22日
浏览(50)