GAN系列

该博客系列深入介绍了生成对抗网络(GAN),从基础的人工神经网络、卷积神经网络和循环神经网络开始,逐步探讨了GAN的原理。文章通过实例展示了如何使用GAN生成MNIST手写体,以及利用DCGAN、CGAN、ACGAN、COGAN、LSGAN和CycleGAN等变种进行图像生成、风格转换和分辨率提升。还提供了相关论文的阅读笔记,帮助读者深化理解。
摘要由CSDN通过智能技术生成

【神经网络】综合篇——人工神经网络、卷积神经网络、循环神经网络、生成对抗网络

https://blog.csdn.net/qq_41204464/article/details/115797030?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162528180916780264087946%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162528180916780264087946&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-2-115797030.first_rank_v2_pc_rank_v29_1&utm_term=%E5%BE%AA%E7%8E%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C&spm=1018.2226.3001.4187

一篇文章“简单”认识《生成对抗网络》(GAN)

https://guo-pu.blog.csdn.net/article/details/115611150

GAN生成MNIST手写体

https://blog.csdn.net/Mo18312723429/article/details/118464281?spm=1001.2014.3001.5501

论文阅读笔记1:https://blog.csdn.net/wspba/article/details/54582391?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162541389616780269871209%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162541389616780269871209&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-54582391.first_rank_v2_pc_rank_v29_1&utm_term=Generative+Adversarial+Nets%E8%AE%BA%E6%96%87%E7%AC%94%E8%AE%B0&spm=1018.2226.3001.4187

论文阅读笔记2:https://blog.csdn.net/qq_38262728/article/details/89296478?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.base&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.base

DCGAN利用深度卷积神经网络实现图片生成

https://blog.csdn.net/Mo18312723429/article/details/118464622?spm=1001.2014.3001.5501

论文阅读笔记:https://blog.csdn.net/qq_38262728/article/details/88970948

CGAN给生成结果贴上标签

论文阅读笔记:https://blog.csdn.net/wspba/article/details/54666907?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162541036116780357246382%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=162541036116780357246382&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_v2~rank_v29-1-54666907.first_rank_v2_pc_rank_v29_1&utm_term=Conditional+Generative+Adversarial+Nets%E8%AE%BA%E6%96%87%E9%98%85%E8%AF%BB%E7%AC%94%E8%AE%B0&spm=1018.2226.3001.4187

ACGAN利用卷积给生成结果贴上标签

COGAN耦合生成式对抗网络

LSGAN最小二乘GAN

ClycleGAN 实现图像风格转换

SRGAN 实现图像的分辨率提升

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值