【GAN】是什么让GAN成为了这5年里深度学习领域最亮的崽？-CSDN博客

本文链接：https://blog.csdn.net/hacker_long/article/details/124162229

在游戏、VR领域

颠覆传统人类美工的工作方式

生成全真实的场景

GAN说：“我能行！”

VR场景

在电影、视频领域

使全虚拟演员、偶像成为可能

一种全新的感觉和体验

GAN说：“我可以！”

假明星脸生成

虚拟偶像

在电子商务领域

想要实现真实的“虚拟试衣间”

足不出户就可以体验买买买

GAN说：“我可以！”

虚拟试衣

在IT领域

脱发是一个经典问题

还没秃的时候怎么看自己的大秃头

GAN说：“我可以！”

秃头生成器

除此之外，在艺术创作领域

文字语义生成图片、

从低分辨率图片生成高分辨率图片、

照片缺陷自动修复......

都运用到GAN，GAN都能行！

实战案例

GAN的应用比较广泛

GAN的发展十分迅速

GAN的变种层出不穷

可以说，这5年里深度学习领域最亮的崽（仔）就是GAN

......

生成式对抗网络（GAN, Generative Adversarial Networks ）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。

GAN最经典与核心的应用就是图像生成，为了帮助大家系统性解决所有图像生成GAN领域知识的学习，我们推出了《深度学习之图像生成GAN-理论实践篇》专栏课程。课程的主体部分已经更新完毕，为了帮助学员掌握好图像生成GAN的基础原理、解决好深度学习图像生成GAN的基本问题，我们也将结合实际项目，将所学理论应用于实践。

深度学习之图像生成GAN二维码

图像生成GAN完整课程介绍

本课程内容包括图像生成GAN的理论知识和实践内容，内容详细，案例丰富。涉及图像生成的各个经典算法与实践，时长超过5个小时。

下面是当前课程的大纲脑图：

(1) 理论部分完善。本部分专注于图像生成相关的GAN，覆盖了基本GAN，条件GAN，多尺度GAN，StyleGAN的讲解，以及GAN的典型应用。既有足够的宽度，也具备有足够的深度，后续还会增加3D与视频的部分内容。

(2) 配套实践案例。当前共有2个案例实践，分别为DCGAN人脸嘴唇表情生成任务，StyleGAN人脸图像生成任务，并配套有代码与数据集，可循序渐进学习。后续还会增加3D与视频部分的实践内容。

案例图

下面简单了解一下课程各部分的大体内容：

(1) 全卷积图像生成GAN，讲解DCGAN的原理与结果，约17分钟，本小节内容可以免费收听。

(2) 全卷积图像生成GAN实战，讲解DCGAN的实战，包括模型解读与训练，约50分钟，本小节内容可以免费收听。

(3) 条件GAN原理，讲解有监督，无监督，半监督条件GAN，约30分钟。

(4) 多尺度GAN，包括金字塔GAN，渐进式生成GAN，约25分钟。

(5) StyleGAN原理解读，包括StyleGAN v1与StyleGAN v2的原理详细解读，约100分钟。

(6) 基于Pytorch的StyleGAN项目实战，约60分钟。

(7) 数据增强与仿真GAN，讲解典型的数据增强与仿真GAN模型，约15分钟。

以上就是当前更新的内容，后续还将更新3D图片，视频生成GAN等内容，请大家及时关注。

本课程适合人群：

(1) 所有学习人工智能/深度学习算法，并有志于从事该领域的人员。

(2) 从事GAN相关研究与应用落地的技术人员。

(3) 学习与从事计算机视觉领域的技术人员。

学习完本课程你将掌握：

(1) 掌握基于GAN的图像生成经典算法与实战。

(2) 熟悉Pytorch项目实践。

课程讲师介绍

龙鹏，笔名言有三，技术社区《有三AI》创始人。先后就读于华中科技大学（2008-2012），中国科学院半导体研究所神经网络实验室（2012-2015），先后就职于奇虎360人工智能研究院（2015.7-2017.5），陌陌科技深度学习实验室（2017.5-2019.3），深度学习算法专家，阿里云MVP，华为云MVP。

拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》（机械工业出版社2019.4），《深度学习之模型设计：核心算法与案例实践》（电子工业出版社2020.6），《深度学习之人脸图像处理：核心算法与案例实战》（机械工业出版社2020.7），《深度学习之摄影图像处理：核心算法与案例精粹》（人民邮电出版社2021.4），拥有10余项发明技术专利与学术论文。

擅长领域: Caffe，Tensorflow，Pytorch等主流深度学习平台。神经网络与深度学习理论，深度学习模型设计与优化，计算机视觉的基础领域，AI美学，2D与3D人脸算法，生成对抗网络GAN等领域。

如何获取本课程

订阅本课程的方法有两个：

其一：参加有三AI-CV秋季划GAN组，可以获得完整课程。有三AI-CV秋季划介绍与订阅方式如下：【CV秋季划】生成对抗网络GAN有哪些研究和应用，如何循序渐进地学习好？