计算机视觉(CV)-生成模型：GAN经典模型【CGAN、CycleGAN、LSGAN、WGAN、DCGAN、BigGAN、StyleGAN、Pix2Pix、StackGAN】

最新推荐文章于 2024-04-05 12:29:07 发布
最新推荐文章于 2024-04-05 12:29:07 发布
阅读量1k 收藏 4
点赞数
分类专栏： 计算机视觉/CV 文章标签： 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/111658690
版权

Generative Adversarial Networks经典结构：

ACGAN
BiGAN/ALI
BigGAN
CycleGAN=DualGAN=DiscoGAN
Conditional GANs
CoupleGAN
ComboGAN(Cycle Consistency)
DCGAN
DuelGAN
EBGAN/BEGAN
fGAN
GAN
InfoGAN
LSGAN(Least Square GAN)
LSGAN(Loss-Sensitive GAN)
MMGAN
NSGAN
Progressive GAN
RankGAN
StackGAN
StarGAN
SeqGAN
StyleGAN
Triple GAN
Unroll GAN
VAEGAN
WGAN
XGAN

Improved WGAN
Spectrum Norm

UNIT

Improved Techniques for Training GANs

Progressively Growing GANs

DTN(Semantic Consistency)
XGAN(Semantic Consistency)

Pix2Pix

参考资料：
GitHub:The-GAN-Zoo
GAN系列-学习GAN模型必读的论文综述
GAN的系列经典模型讲解
CNN经典模型汇总
CNN经典模型VGG
卷积神经网络之VGG
深度学习中最常见GAN模型应用与解读
原始GAN存在的问题
原始GAN究竟出了什么问题
谈谈WGAN的理解-原始GAN存在问题

u013250861
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
GAN（Generative Adversarial Network，GAN）模型之：pix2pix、pix2pixHD、Vid2Vid、CycleGAN、StyleGAN模型
data+scenario+science+insight
06-03 508
GAN（Generative Adversarial Network，GAN）模型之：pix2pix、pix2pixHD、Vid2Vid、CycleGAN、StyleGAN模型 目录 GAN（Generative Adversarial Network，GAN）模型之：pix2pix、pix2pixHD、Vid2Vid、CycleGAN、StyleGAN模型 pix2pix pix2pixHD Vid2Vid CycleGAN StyleGAN pix2pix pix2pix提..
人工智能大模型原理与应用实战：从CycleGAN到StyleGAN
禅与计算机程序设计艺术
12-19 209
1.背景介绍 人工智能（AI）已经成为当今最热门的技术领域之一，其中深度学习（Deep Learning）作为AI的核心技术，在图像生成、图像翻译、视觉识别等方面取得了显著的成果。在深度学习领域中，生成对抗网络（Generative Adversarial Networks，GANs）是一种非常有效的方法，它通过一个生成器和一个判别器来学习数据的分布，
cyclegan、ptgan、stargan、数据不够gan来凑
luzhongshan的博客
06-11 1154
目录 1、普通gan 2、cyclegan 3、ptgan 4、stargan ptgan模型代码地址看着一篇： https://blog.csdn.net/aaa958099161/article/details/93993550 1、普通gan 2、cyclegan 两个生成模型，两个个判别器 注意： 两个生成模型，两个个判别器 两个判别器，其中一个判别器只...
图文详解WGAN及其变体WGAN-GP并利用Tensorflow2实现WGAN与WGAN-GP
最新发布
2401_83974087的博客
04-05 1122
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
基于CycleGAN的艺术风格迁移
04-22
我们使用了循环一致性生成对抗网络（ CycleConsistent Generative Adversarial Networks, CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。我们使用了一些自己制作的数据集训练了 CycleGAN 风格迁移模型，并分析了这种方法的优点和局限性。为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。我们还利用了 Mask R-CNN 模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。
深度学习_GAN学习(广度知识)_GAN各分支网络的学习总结及介绍(持续更新)
关注大家关注我
11-18 3568
生成对抗网络是目前深度学习领域中发展最快的一个分支之一，它可以用于图像编辑和着色、风格转换、物体变形、照片增强等多个领域。 二.根据特定条件或者特性来生成或者编辑图像的技术 1.CGAN(Condition GAN)主要用于图像生成 Conditional Generative Adversarial Nets 在条件GAN中，生成器并不是从一个未知的噪声分布开始学习，而是通过一个特定的条件或者某...
generative_adversarial_networks_101：生成对抗网络的Keras实现。 具有MNIST和CIFAR-10数据集的GAN，DCGAN，CGAN，CCGAN，WGAN和LSGAN模型
02-03
generative_adversarial_networks_101：生成对抗网络的Keras实现。 具有MNIST和CIFAR-10数据集的GAN，DCGAN，CGAN，CCGAN，WGAN和LSGAN模型
Matlab-GAN：生成对抗网络的MATLAB实现-从GAN到Pixel2Pixel，CycleGAN
02-02
Matlab-GAN：生成对抗网络的MATLAB实现-从GAN到Pixel2Pixel，CycleGAN
ca-gan：CA-GAN：组合辅助GAN
02-02
（a）输入图像，（b）cGAN，（c）CA-GAN，（d）SCA-GAN 先决条件 Linux或类似环境 Python 2.7 NVIDIA GPU + CUDA CuDNN 入门 安装 克隆此仓库： git clone https://github.com/fei-hdu/ca-gan cd ca-gan 从安装...
cgan-face-generator：使用cGAN（pix2pix）模型从草图生成人脸
02-05
使用cGAN的人脸生成器（后端）我们提出并使用cGAN模型（ ）进行了实验，以从草图生成人脸。 数据是从数据集中准备的，其中包括8303张女性面部图像。 此是将模型与 Python Web框架集成的后端部分。 它提供RESTful-API...
gan-playground:生成广告网络-实验
03-04
gan-playground:生成广告网络-实验
Python-ComboGAN的一个PyTorch实现
08-11
ComboGAN的一个PyTorch实现
CV低高等视觉及模型架构
JYliangliang的博客
03-30 3017
Low-Level-Vision 主要包括：超分辨率、图像恢复、去雨、去雾、去模糊、去噪、重建等方向 1.超分辨率（Super-Resolution） 2.图像去雨（Image Deraining） 3.图像去雾（Image Dehazing） 4.去模糊（Deblurring） 5.去噪（Denoising） 6.图像恢复（Image Restoration） 7.图像增强（Image Enhancement） 8.图像去摩尔纹（Image Demoireing） 9.图像阴影去除(I
【飞桨】【PaddlePaddle】【论文复现】StarGAN v2论文及其前置：GAN、CGAN、pix2pix、CycleGAN、pix2pixHD、StarGAN学习心得
sp7414的博客
08-05 1615
目录GANCGANpix2pixCycleGANpix2pixHDStarGAN PaddlePaddle: 百度顶会论文复现营. GAN GAN，即生成对抗网络，其网络结构主要包含一个生成器G和一个判别器D。首先，一个n维噪声输入到模型中，由生成器生成一个fake图像（根据目标而定），接着传入真实图像，resize成与fake图像相同大小，共同输入到判别器D中，送入训练网络中，训练趋势是使生成器生成越来越逼真，可以“以假乱真”的假图像，而判别器的精度也不断提升，最后，判别器D无法区分生成器G生辰的fak
【GANs学习笔记】（二十）CoGAN、ComboGAN、XGAN
a312863063的博客
11-01 7553
3. 如何解决BIG TRANSFORMATION        我们前面提到的风格转换都是比较小幅度的风格转换，有的时候我们会需要做非常大的风格转换，譬如把真人照片转成动漫照片。大风格的转换我们容易想到的一个思路是auto-encoder：  &a
必读的10篇关于GAN的论文
AI 算法笔记
07-08 1万+
前言 上次写的文章-- 一文了解下 GANs可以做到的事情，如果想进一步了解 GAN，学习研究 GAN，可以先从这 10 篇论文开始。 本文翻译自： https://towardsdatascience.com/must-read-papers-on-gans-b665bbae3317 原文介绍 10 篇介绍 GANs 以及最新进展的论文，跟原文介绍顺序有所不同，我是根据时间顺序，从最开始提出的 ...
GAN学习笔记（3）GAN的缺陷和改进
qq_43390809的博客
08-26 1065
GANs 并不完美 1.1JS Div距离偏差问题 我们现在来认真反思，前一篇所介绍的 GANs 理论，它真的能够学习到，或者说它真的 能够无限逼近真实数据分布????????????????????(????)吗？回想一下，在前面的介绍中，我们提到判别器，它的最大化????̃的过程实际上就是上就是在求解????????????????????与????????之间的 JS Div 距离，但是到了生成器中，它的最小化????̃的过程是在最小化????????????????????与????????之间的
开源|效果惊人！Cycle Gan瞬间让马变成斑马
zhanggf的博客
05-14 1万+
文章来源：Github 翻译：马卓奇博士 　　从油画生成照片，将马转换成斑马，进行风格转换，以及更多（UC Berkeley） 　　项目主页：https://junyanz.github.io/CycleGAN/ 　　论文：https://arxiv.org/pdf/1703.10593.pdf 　　本文是用Torch实现的图像到图像的转换（pix2pix），而不用输入输出数据对，...
CycleGAN（以及DiscoGAN和DualGAN）简介
热门推荐
鹊踏枝-码农的专栏
09-12 1万+
知乎来源：https://zhuanlan.zhihu.com/p/27539515 作为新入DL的新手，前段时间突然在翻看论文的时候翻到了CycGAN，觉得很是眼前一亮呀——训练一个风格转换器，不需要打label，甚至都不需要把训练数据进行配对，满满的幸福感。 最先我是看到的CycleGAN，但是后续发现DiscoGAN与DualGAN论文似乎并无太大差别，他们的idea其实都是差不多的，模...
matlab-gan:生成对抗网络的 matlab 实现——从 gan 到 pixel2pixel、cyclegan
06-25
除了 GAN，Pixel2Pixel 和 CycleGAN 也是常用的深度学习模型，在计算机视觉任务中具有重要的应用。Pixel2Pixel 是一种基于卷积神经网络的图像翻译模型，可以将一个图像转换为另一个图像，如将黑白图像转换为彩色图像...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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