![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GANs
文章平均质量分 80
码农男孩
研究生在读,分享深度学习、机器学习、计算机视觉、图像处理等相关文章和学习笔记,不定时分享代码资源。期待关注
展开
-
WGAN(Wasserstein GAN)看这一篇就够啦,WGAN论文解读
WGAN本作引入了Wasserstein距离,由于它相对KL散度与JS 散度具有优越的平滑特性,理论上可以解决梯度消失问题。接 着通过数学变换将Wasserstein距离写成可求解的形式,利用 一个参数数值范围受限的判别器神经网络来较大化这个形式, 就可以近似Wasserstein距离。WGAN既解决了训练不稳定的问题,也提供了一个可靠的训 练进程指标,而且该指标确实与生成样本的质量高度相关。原创 2022-04-18 20:50:47 · 37881 阅读 · 6 评论 -
GAN项目实战 使用CycleGAN将苹果变成橙子Pytorch版
目前关于GAN应用,比较有意思的应用就是GAN用在图像风格迁移,图像降噪修复,图像超分辨率了,都有比较好的结果,详见pix2pix GAN 和cycle GAN。pix2pixGAN参考:GAN系列之 pix2pixGAN 网络原理介绍以及论文解读。pix2pixGAN有一个明显的缺点就是,在进行训练的时候必须提供成对的数据集。比如当我们想生成梵高风格的画时,梵高本人画的作品肯定是相对较少的,这个时候就可以考虑使用cycleGAN。原创 2022-04-14 20:19:47 · 3550 阅读 · 2 评论 -
GANs系列:用于图像风格迁移的CycleGAN网络原理解读
目前关于GAN应用,比较有意思的应用就是GAN用在图像风格迁移,图像降噪修复,图像超分辨率了,都有比较好的结果,详见pix2pix GAN 和cycle GAN。pix2pixGAN有一个明显的缺点就是,在进行训练的时候必须提供成对的数据集。比如当我们想生成梵高风格的画时,梵高本人画的作品肯定是相对较少的,这个时候就可以考虑使用cycleGAN。原创 2022-04-13 19:31:48 · 7952 阅读 · 2 评论 -
万物皆用MNIST---MNIST数据集及创建自己的手写数字数据集
刚刚接触到人工智能的我们,必定会遇到一个非常非常非常熟悉的朋友------MNIST 这是一套流行的手写数字图片,常常被用来测试我们的思想和算法。这个数据集称为手写数字的MNIST数据库,从研究员Yann LeCun 的网站,可以得到这个数据集。本文并不再介绍MNIST具体是什么,旨在分享记住MNIST的获取方式原创 2022-03-27 22:16:37 · 9352 阅读 · 4 评论 -
GAN实战之Pytorch使用pix2pixGAN生成建筑物Label to Facade
pix2pix GAN主要用于图像之间的转换,又称图像翻译。图像处理的很多问题都是将一张输入的图片转变为一张对应的输出图片,端到端的训练。 如果要根据每个问题设定一个特定的loss function 来让CNN去优化,通常都是训练CNN去缩小输入跟输出的欧氏距离,但这样通常会得到比较模糊的输出。原创 2022-04-09 19:42:33 · 4073 阅读 · 3 评论 -
GAN系列之 pix2pixGAN 网络原理介绍以及论文解读
pix2pix GAN主要用于图像之间的转换,又称图像翻译。图像处理的很多问题都是将一张输入的图片转变为一张对应的输出图片,端到端的训练。 如果要根据每个问题设定一个特定的loss function 来让CNN去优化,通常都是训练CNN去缩小输入跟输出的欧氏距离,但这样通常会得到比较模糊的输出。原创 2022-04-07 21:36:43 · 11838 阅读 · 1 评论 -
GAN实战之Pytorch 使用CGAN生成指定MNIST手写数字
cGAN的中心思想是希望 可以控制 GAN 生成的图片,而不 是单纯的随机生成图片。 具体来说,Conditional GAN 在生成器和判别器的输入中 增加了额外的 条件信息,生成器生成的图片只有足够真实 且与条件相符,才能够通过判别器。cGAN将 无监督学习 转为 有监督学习 使得网络可以更好地在我们的掌控下进行学习!原创 2022-04-06 21:11:59 · 6008 阅读 · 4 评论 -
Pytorch GAN入门实战---生成MNIST手写数据集代码实现
大话超级火爆的GAN,对新手超级友好的实战入门小例子---利用GAN 生成MNIST手写数据集代码实现pytorch版,分享心得。基础GAN的原理还不懂的,先看:生成式对抗神经网络(GAN)原理给你讲的明明白白。原创 2022-03-30 19:23:29 · 3304 阅读 · 2 评论 -
GANs系列:CGAN(条件GAN)原理简介以及项目代码实现
cGAN的中心思想是希望 可以控制 GAN 生成的图片,而不 是单纯的随机生成图片。 具体来说,Conditional GAN 在生成器和判别器的输入中 增加了额外的 条件信息,生成器生成的图片只有足够真实 且与条件相符,才能够通过判别器。原创 2022-04-05 17:23:06 · 30095 阅读 · 8 评论 -
Pytorch 使用DCGAN生成动漫人物头像 入门级实战教程
pytorch 使用DCGAN生成动漫人物头像 入门级实战教程,利用动漫人物数据集训练模型,来生成动漫人物头像。原创 2022-04-03 22:05:31 · 3084 阅读 · 2 评论 -
Pytorch 使用DCGAN生成MNIST手写数字 入门级教程
DCGAN实战,入门级别的深度卷积生成对抗网络实战,利用MNIST手写数据集进行生成手写数字。加深对相关原理的理解,并对比了与基础GAN的异同点原创 2022-04-03 13:12:22 · 4516 阅读 · 3 评论 -
GANs系列:GAN生成式对抗网络原理以及数学表达式解剖
本文用简单易懂的话语,超浓缩总结GAN原理以及一步一步解剖数学表达式,看完入门GAN原创 2022-03-29 22:57:55 · 5993 阅读 · 2 评论 -
GANs系列:DCGAN原理简介与基础GAN的区别对比
参考了DCGAN论文,对论文逐步解读,将论文精华部分进行了概括提取,包括原理、应用以及训练过程。在基础的生成式对抗神经网络的基础上,进一步介绍DCGAN深度卷积生成对抗神经网络。原创 2022-04-01 21:27:45 · 23769 阅读 · 4 评论