Generative Adversarial Network (GAN)
Omni-Space
专注Android, Mobile Security and AI
展开
-
生成对抗网络简介(包含TensorFlow代码示例)【翻译】
判别模型 vs. 生成模型示例:近似一维高斯分布提高样本多样性最后的思考关于GAN的一些讨论最近,大家对生成模型的兴趣又开始出现(OpenAI关于生成模型的案例)。生成模型可以学习如何生成数据,这些数据和我们给定的数据很类似(真实数据)。我们用一个例子来描述这背后的原理,比如,我们希望构建一个模型,可以生成高质量的新闻,那么它必须先学习很多的新闻文章。或者说,模型的内部应当转载 2017-08-23 14:48:07 · 2610 阅读 · 0 评论 -
GAN——UNIT简单梳理
自从2014年Goodfellow提出GAN(Generative adversarial networks)模型之后,在机器学习领域就砸下了一个大大的陨石坑,此后至今,已经有成百上千篇的GAN相关论文在Arxiv以及各大顶级会议期刊上被发表。时至今日,GAN的各种相关改进模型已经在CV,NLP,语音等相关领域取得了不错的效果,但是待解决的问题依旧很多,广阔天地依旧可以大GAN一场。GAN 在结构转载 2017-11-13 14:20:03 · 3347 阅读 · 0 评论 -
SimGAN-Captcha代码阅读与复现
项目介绍项目地址:戳这里大概的讲一下这个项目的起因是大神要参加HackMIT,需要他们在15000张验证码中识别出10000张或者每个字符的识别准确率要到90%。然后他不想标注数据(就是这么任性~)。于是决定先自己生成一批验证码(synthesizer合成器),然后把这些验证码用一个refiner(GAN)去对这批合成的验证码做一些调整让它们看起来和真实的训练样本的样式差不多。这样他就相当转载 2017-10-17 06:32:44 · 3937 阅读 · 3 评论 -
深度学习新星:GAN的基本原理、应用和走向
近年来,基于数据而习得“特征”的深度学习技术受到狂热追捧,而其中GAN模型训练方法更加具有激进意味:它生成数据本身。GAN是“生成对抗网络”(Generative Adversarial Networks)的简称,由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。2016年,GAN热潮席卷AI领域顶级会议,从ICLR到NIPS,大量高质量论文被发表和探讨。Yann Le转载 2017-12-31 15:37:28 · 753 阅读 · 0 评论 -
面向开发者的2018年AI趋势分析
摘要: 本文从开发者的角度分析2018年AI的趋势:拿来即用的AI领域、算法与技术。例如GANs、ONNX、Zoo、AutoML、语音识别、时间序列分析、NLP、高智能机器人等。在2017年有些人工智能的技术已经变得非常成熟,并已做好了大规模应用的准备。这就是本文将要讨论的问题---介绍当前的工作中能够使用的技术,或者能基于哪些技术来构建自己的创业公司。例如,您可以看到时间序列分析,因为在时间信号转载 2018-01-15 15:46:03 · 420 阅读 · 0 评论 -
生成对抗网络(GANs)最新家谱:为你揭秘GANs的前世今生
作者:GuimPerarnau编译:KatherineHou、朝夕、KatrineRen、ShanLIU、笪洁琼、钱天培生成对抗网络(GAN)一经提出就风光无限,更是被YannLecun誉为“十年来机器学习领域最有趣的想法”。GAN“左右互搏”的理念几乎众所周知,但正如卷积神经网络(CNN)一样,GAN发展至今已经衍生出了诸多变化形态。今天,文摘菌就来为大家盘点一下转载 2018-01-16 09:49:23 · 7707 阅读 · 0 评论 -
SeqGAN——对抗思想与增强学习的碰撞
SeqGAN这篇paper从大半年之前就开始看,断断续续看到现在,接下来的工作或许会与GAN + RL有关,因此又把它翻出来,又一次仔细拜读了一番。接下来就记录下我的一点理解。paper链接1. 背景GAN在之前发的文章里已经说过了,不了解的同学点我,虽然现在GAN的变种越来越多,用途广泛,但是它们的对抗思想都是没有变化的。简单来说,就是在生成的过程中加入一个可以鉴转载 2018-01-16 09:54:45 · 1567 阅读 · 1 评论 -
记录一次与大神们的关于GAN应用于NLP的讨论
说实话,是聆听了大神们,本人只是捧哏似的嗯、啊了几句。之前paperweekly的GAN讨论组要进行一次讨论,给出了很多议题进行投票。里边有GAN in NLP、GAN and RL、半监督GAN等我比较感兴趣的话题。也有图像相关的关于GAN的正统问题。没想到最后GAN in NLP获得了最多的票数。我原来对于把GAN应用于NLP叫做剑走偏锋,没想到志同道合的人这么多…接下转载 2018-01-16 09:56:52 · 411 阅读 · 0 评论 -
记录一次与大神们的关于GAN应用于NLP的讨论 (后续)
这次的讨论可能是因为题目不够大众,或者是做这方面的同学们太过羞涩,因此讨论的内容基本偏题,最后形成了大家自由讨论的局面。但是只要仔细观察,是可以看到其中是有着耀眼的闪光点的,至少对于我来说是这样的。重申以下观点:下边的讨论问题与解答有些是文不对题的,首先是因为按照发言顺序整理,难免有插话的存在;第二,因为在讨论中大家的关注点比较集中,很多问题的讨论最后都会归纳到几个矛盾点上;还有就是有些内容转载 2018-01-16 09:58:18 · 924 阅读 · 0 评论 -
GAN原理"潜"析
为了后面介绍seqGAN + RL的应用,先来介绍一下这个很火的GAN,火到似乎女娲上帝都是“干”出来的…稍提一点背景。统计机器学习中,这个世界是从分布中抽样产生的(假设P(world)是产生这个世界的分布,那这个世界的每一个东西都是从P里面iid抽出来的),我们只要能拿到这个分布,就可创建一个”真实”的世界!那怎么拿到这个分布呢?建模!一般是参数模型,当世界为无穷维的就是非参数模型。(也就是说产转载 2018-01-16 13:57:55 · 503 阅读 · 0 评论 -
CycleGAN的原理与实验详解
CycleGAN是在今年三月底放在arxiv(地址:[1703.10593] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks)的一篇文章,同一时期还有两篇非常类似的DualGAN和DiscoGAN,简单来说,它们的功能就是:自动将某一类图片转换成另外一类图片。作者在论文中也举了一些例子,...转载 2017-11-13 14:13:01 · 13132 阅读 · 7 评论 -
GAN by Example using Keras on Tensorflow Backend
Generative Adversarial Networks (GAN) is one of the most promising recent developments in Deep Learning. GAN, introduced by Ian Goodfellow in 2014, attacks the problem of unsupervised learning by tr转载 2017-10-30 15:15:31 · 864 阅读 · 0 评论 -
TFboys:使用Tensorflow搭建深层网络分类器
前言根据官方文档整理而来的,主要是对Iris数据集进行分类。使用tf.contrib.learn.tf.contrib.learn快速搭建一个深层网络分类器,步骤导入csv数据搭建网络分类器训练网络计算测试集正确率对新样本进行分类数据Iris数据集包含150行数据,有三种不同的Iris品种分类。每一行数据给出了四个特征信息和一个分类信息。现在已经将数据分转载 2017-08-23 14:42:21 · 531 阅读 · 0 评论 -
Generative Adversarial Networks 生成对抗网络的简单理解
1. 引言在对抗网络中,生成模型与判别相竞争,判别模型通过学习确定样本是来自生成模型分布还是原始数据分布。生成模型可以被认为是类似于一组伪造者,试图产生假币并在没有检测的情况下使用它,而判别模型类似于警察,试图检测假币。 在这个游戏中的竞争驱动两个团队改进他们的方法,直到假冒与真正的物品难以分别。生成模型和判别模型对抗的结果是,两者都提升了自己的能力。生成模型提高了模拟原始数据转载 2017-08-23 14:39:18 · 506 阅读 · 0 评论 -
简述生成式对抗网络 GAN
本文主要阐述了对生成式对抗网络的理解,首先谈到了什么是对抗样本,以及它与对抗网络的关系,然后解释了对抗网络的每个组成部分,再结合算法流程和代码实现来解释具体是如何实现并执行这个算法的,最后通过给出一个基于对抗网络改写的去噪网络,效果虽然挺差的,但是还是挺有意思的。【转载请注明出处】chenrudan.github.io本文主要阐述了对生成式对抗网络的理解,首先谈到了什么是对抗样本,转载 2017-07-04 02:11:43 · 1126 阅读 · 1 评论 -
An introduction to Generative Adversarial Networks (with code in TensorFlow)
There has been a large resurgence of interest in generative models recently (see this blog post by OpenAI for example). These are models that can learn to create data that is similar to data that we转载 2017-06-04 16:13:31 · 1834 阅读 · 0 评论 -
干货 | Generative Adversarial Networks(GAN)的现有工作
干货 | Generative Adversarial Networks(GAN)的现有工作原创2016-02-29小S程序媛的日常程序媛的日常今天想与大家分享的是图像生成中一些工作。这些工作都基于一大类模型,Generative Adversarial Networks(GAN)。从模型名称上甚至都可以看出一些发展轨迹:GAN->CGAN->LAPGAN->DCGAN转载 2017-02-09 06:55:08 · 6823 阅读 · 1 评论 -
ICLR 2017 | GAN Missing Modes 和 GAN
ICLR 2017 的 submission DDL 刚刚过,网上就纷纷有了 ICLR 2017 导读的文章。本周我也将为大家带来 ICLR 2017 submission 的分类导读,而且是更详细地介绍!今天开篇就来介绍我一直很关注也一直在做的 GAN 方面的部分论文(不是全部,分批介绍吧)。今天会介绍的论文有(全部来自 ICLR 2017 submissions):1. 《Mo转载 2017-02-09 05:53:50 · 2848 阅读 · 0 评论 -
GAN for NLP (论文笔记及解读
GAN 自从被提出以来,就广受大家的关注,尤其是在计算机视觉领域引起了很大的反响。“深度解读:GAN模型及其在2016年度的进展”[1]一文对过去一年GAN的进展做了详细介绍,十分推荐学习GAN的新手们读读。这篇文章主要介绍GAN在NLP里的应用(可以算是论文解读或者论文笔记),并未涉及GAN的基本知识 (没有GAN基础知识的小伙伴推荐先看[1],由于本人比较懒,就不在这里赘述GAN的基本知识了J转载 2017-09-22 13:11:45 · 1714 阅读 · 0 评论 -
An introduction to Generative Adversarial Networks (with code in TensorFlow)
There has been a large resurgence of interest in generative models recently (see this blog post by OpenAI for example). These are models that can learn to create data that is similar to data that we转载 2017-11-07 15:15:03 · 513 阅读 · 0 评论 -
Generative Adversarial Networks 生成对抗网络的简单理解
1. 引言在对抗网络中,生成模型与判别相竞争,判别模型通过学习确定样本是来自生成模型分布还是原始数据分布。生成模型可以被认为是类似于一组伪造者,试图产生假币并在没有检测的情况下使用它,而判别模型类似于警察,试图检测假币。 在这个游戏中的竞争驱动两个团队改进他们的方法,直到假冒与真正的物品难以分别。生成模型和判别模型对抗的结果是,两者都提升了自己的能力。生成模型提高了模拟原始数据分布转载 2017-11-07 15:17:32 · 1328 阅读 · 0 评论 -
Generative Adversarial Network (GAN) papers (2018.2.4 更新)
AdversarialNetsPapersThe classic about Generative Adversarial NetworksThe First paper [Generative Adversarial Nets] [Paper][Code](the First paper of GAN)Unclassified [Deep Generative Image Models usin...转载 2017-11-07 15:38:19 · 6624 阅读 · 0 评论 -
GAN︱生成模型学习笔记(运行机制、NLP结合难点、应用案例、相关Paper)
GAN是概率统计到深度学习世界“秀”存在生成模型分为两个部分:生成模型+判别模型。生成模型学习联合概率分布p(x,y),而判别模型学习条件概率分布p(y|x)。 他们之间对抗均衡的过程,就相当于统计中的蒙特卡洛拟合最佳分布的过程。 分布公式的重要性:分布公式之后,那么可以造无数个这样的分布。. . .一、运行机制相关GAN论文汇总,包含c转载 2018-01-18 16:15:21 · 1079 阅读 · 0 评论