深度学习之对抗神经网络
文章平均质量分 83
介绍adversarial networks的原理,发展和未来。
介绍adversarial networks的应用和研究前沿
张骞晖2
Focus on Machine Learning and Computer Vision。
展开
-
对抗网络之PG-GAN,无条件下生成更真实的人脸图像[3]
GAN在2015年DCGAN[1]论文提出之后,开始迅速的被关注和被应用到各个领域。比较有影响力的应用,比如Image translation; Image Inpainting; Face image manipulation 以及 Semi-supervised learning等。原创 2017-12-24 16:56:03 · 30287 阅读 · 12 评论 -
对抗神经网络之对抗卷积神经网络[2]
上一篇博文[1]简单介绍了对抗网络的理论和大概流程。其中所谓的对抗网络可以归结为unsupervised learning 或者 generative model。从无监督学习来进行feature representation,有k-means聚类算法,auto-encoders[2],以及09年的Deep belief networks等等。原创 2016-12-13 16:53:24 · 17880 阅读 · 9 评论 -
Convolution Networks 和Deconvolution Networks
一.卷积的概念卷积是分析数学中的一种重要运算,英文convolution。需要注意的是,以下我们考虑都是离散情况下的卷积操作。从概念上说,卷积是线性情况的下的滤波处理,性滤波处理经常被称为“掩码与图像的卷积”[1]。具体的操作则是,卷积是两原创 2016-11-24 12:47:44 · 12000 阅读 · 2 评论 -
对抗神经网络(Adversarial Nets)的介绍[1]
对抗NN简介概念介绍对抗名字的由来及对抗过程对抗NN的模型对抗NN的模型和训练判别网络D的最优值模拟学习高斯分布对抗NN实验结果《生成对抗NN》代码的安装与运行对抗网络相关论文论文引用一、对抗NN简介大牛Ian J. Goodfellow 的2014年的《Generative Adversative Nets》第一次提出了对抗网络模型,短短两年的时间,这个模型在深原创 2016-10-03 20:58:09 · 47227 阅读 · 5 评论