2021-12-08 深度学习：condition GAN和Unsupervised Condition Generation

最新推荐文章于 2024-04-07 11:30:03 发布
最新推荐文章于 2024-04-07 11:30:03 发布
阅读量1.2k 收藏 1
点赞数
分类专栏： 深度学习笔记 文章标签： 深度学习 人工智能 机器学习
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/weixin_42949850/article/details/121866125
版权

文章目录

1. GAN简述

Encoder将image的特征提取出来，但是要Decoder变成一张图才能训练，所以这里的Decoder就是Generator(用code产生image)
在这里插入图片描述
在这里插入图片描述
Variational Auto-encoder 在生成code的时候，加入了噪音，比Auto-encoder更加稳定
在这里插入图片描述
一些效果好的样本（如人绘制的），一些不好的样本（如随机生成的噪音）
Discriminator对positive examples高分，给negatives examples低分
然后根据Disciminator得到的特征，Generator生成新的image,更新negatives examples
再反复迭代

2. Conditional GAN

传统监督方法算出来的结果会很模糊，因为同一张image会产生很多房子，最后的结果是个平均值
GAN的结果会清晰很多，但是会多一些奇怪的东西
再加约束时，把和原图相似的约束加进去

最低0.47元/天 解锁文章
桃子柚子小饼干
关注
专栏目录
Condition GAN
heruili的博客
05-07 4319
GAN，Generative Adversarial Network是目前非常火也是非常有潜力的一个发展方向，原始的GAN模型存在着无约束、不可控、噪声信号z很难解释等问题，近年来，在原始GAN模型的基础上衍生出了很多种模型，如：条件——CGAN、卷积——DCGAN等等 条件生成式对抗网络（CGAN）是对原始GAN的一个扩展，生成器和判别器都增加额外信息 yy为条件, yy 可以使任意信息,例如类...
Conditional GAN
长路漫漫亦灿灿
11-21 803
Conditional GAN的做法就是，generator的输入一张图片和noise z，输出一张图片，discriminator会输入产生的image和input，输出一个scalar。通过算法的迭代，生成下面第三张图片，看起来很清晰，但和真实的图片还是有差异。对于根据文字生成图像的问题，传统的做法就是训练一个NN，然后输入一段文字，输出对应一个图片，输出图片与目标图片越接近越好。存在的问题就是，比如火车对应的图片有很多张，如果用传统的NN来训练，模型会产生多张图像的平均，结果就会很模糊。
机器学习-36-GAN-03-Conditional GAN(有条件的GAN)
迷雾总会解
01-14 8433
Conditional，意思是条件，所以 Conditional GAN 的意思就是有条件的GAN。Conditional GAN 可以让 GAN 产生的结果符合一定的条件，即可以通过人为改变输入的向量（记不记得我们让生成器生成结果需要输入一个低维向量），控制最终输出的结果。
pytorch学习之Condition GAN与代码的部分解析
maojingaa的博客
11-21 1526
1.首先，GAN网络是有生成器和判别器，比如可以生成新的图像，而CGAN则是添加了条件，生成有限制的图像，比如生成带微笑的人脸。CGAN的架构如下： 2.一些注意的点： import os简单来说，是对文件进行操作，比如说列出当前文件夹里面有啥文件、删除文件. 安装tensorboardX To install this package with conda run one of the following: conda install -c cond...
TensorFlow-Conditional-GAN:有条件的GAN
05-14
TensorFlow-Conditional-GAN （Conditional-GAN）条件生成对抗网络 可以使用Vanilla GAN模型创建所需目标图像的模型 有条件的GAN论文： : 有条件的GAN.py * loss function는 https://github.com/SeonbeomKim/TensorFlow-vanilla-GAN 의 v2와 동일 * dataset : MNIST 有条件的GAN MNIST结果（经过290个训练周期）
深度学习(14): GAN (1)
JJJJJJames的博客
01-20 1539
Introduction of Generative Adversarial network 生成式对抗网络 1、Basic idea Generation 图像生成 语句生成 输入vector，输入一个随机的向量，output image/sentences We will control what to generate latter- Conditional generation GAN is a neural network，or a function 将vector输入到一个nn或者f
GAN系列：李宏毅老师GAN课程P2+P3——Conditional GAN
lynlindasy的博客
02-23 2752
看这个课程的时候，有弹幕说P1后直接看P4，然后再看P2和P3，这个顺序确实更好一点。这部分主题是条件GAN(Conditional GAN)，所谓的条件就是我们对要生成的图片的要求和限制。之前生成器的输入是一个随机噪声向量，生成器根据向量产生任意的图像。在实际应用中，产生的图像一般是有特定限制的，比如要产生火车的图像，人脸的图像等。因此Conditional GAN更有实用价值。Conditio...
【In-Depth Analysis】: Comprehensive Interpretation of GAN Loss Functions: Practical Techniques for ...
Theoretical Foundation of GAN Loss Function In the study of Generative Adversarial Networks (GAN), the loss function plays a crucial role as it defines the rules of the adversarial game between the ...
[Practical Guide]: Building a GAN Model from Scratch: Step-by-Step Optimization for Your First AI ...
# Chapter 1: Introduction to Generative Adversarial Networks (GANs) Generative Adversarial Networks (GANs) represent a groundbreaking technology in the field of deep learning. They consist of two ...
使用pytorch构建有监督的条件GAN(conditional GAN)网络模型
最新发布
weixin_45354497的博客
04-07 1363
GAN网络系列的第四篇，使用pytorch构建有监督的条件GAN(conditional GAN)网络模型
【生成对抗网络】Conditional GAN (CGAN，条件GAN) 详细解读
热门推荐
__阿健__的博客
02-13 2万+
Conditional GAN（条件GAN，CGAN）是Mehdi Mirza于2014年11月份发表的一篇文章，也是GAN系列早期经典模型之一，算是目前许多GAN应用的前身。 文章的想法是希望GAN能够控制自己生成的图片，而不是随机生成图片。Conditional GAN在生成器的输入噪声中还增加了额外的条件信息，只有生成的图片足够真实且与与条件相符，才能够通过判别器。
机器学习与深度学习系列连载： 第四部分 对抗网络GAN (三) 对抗网络 Conditional GAN （CGAN）
Doctor Wu的博客
12-19 1016
对抗网络 Conditional GAN （CGAN） 首先，我们先举一个例子，文本转换成图片:Text to Image. 有过机器学习经验的同学肯定会想到，用监督学习就可以做到： 不断地用监督的数据进行训练。 但是，真实世界中，非监督数据远远大于带标记的监督数据。 那我们考虑，如何利用GAN，来生成图片呢。 Scott Reed, et al 在2016年ICML 提出Conditional...
Conditional GAN(条件对抗生成网络)原理及代码解读
abril4416的博客
03-15 2769
从基本问题引入CGAN 对于text-to-image 的问题，传统的神经网络的方法将文本信息输入网络，输出图像。明显的一个问题，比如单词train 可能对应多张图像，那么最终生成的图像将是这么多张图像的堆叠。 引入GAN，此时discriminator做的工作不仅仅是判断生成是否为真，同时还要判别输出与要求是否匹配。算法流程大致如下： 从训练集中采样{(c1,x1),(c2,x2)…(cm,xm...
动手学CV-Pytorch计算机视觉 ConditionGAN实战 再战手写数字生成
IT 甄选推荐
12-18 772
make_grid用于把几个图像按照网格排列的方式绘制出来#每行的图片数量为10#normalize如果为True，则把图像的像素值通过range指定的最大值和最小值归一化到0-1。#fig代表绘图窗口(Figure)；ax代表这个绘图窗口上的坐标系(axis)，一般会继续对ax进行操作。#表示figure 的大小为宽、长（单位为inch）#grid.permute(1, 2, 0)将tensor的维度换位，原来的顺序是（0，1，2）
深度学习之数值计算（二）poor conditioning
u012631977的博客
09-06 969
Condition是指函数输入变化时，它的输出变化的快慢。输入微小变化就能引起输出很大波动的的函数，对于科学计算来说，有问题。因为数据可能存在噪声（或预处理存在噪声），噪声很大程度影响了输出。    考虑函数。其中有一个特征值分解，它的条件值(condition number)定义为：                                                
GAN_Unet模型实现
sunningzhzh的博客
05-30 6087
文章目录摘要一、五种归一化1.1 Batch Normalization二、使用步骤总结 摘要 一、五种归一化 1.1 Batch Normalization 用batch内的均值和方差归一化对应batch内数据，其中均值和标准差通过batch内每个通道的维度分别计算得到的。 nn.BatchNorm1d()的参数如下图： num_features: 输入张量的形状 eps: 防止分母为0的偏执 mementum: 滑动动量，滑动平均得到均值和方差 affine: 为True则加入对应偏置ɤ、ß对处理
第二个深度学习项目 使用condition GAN 训练cifar-10数据集
YYLin
01-28 3902
今天学习了加载cifar-10数据集，加上之前要做condition GAN， 发现暂时还没有使用tensorflow 用于训练cifar-10数据集的condition GAN， 所以就花了一晚上用自己的模型训练cifar-10数据集，等明天结果出来在公布代码 杂记：感觉condition GAN和其他GAN的特点 第一： 生成器的输入参数之后，不仅有图像信息 而且还包括图像的标签信息 第...
GAN网络：细节保留：VIIF（基于condition GAN）
weixin_43690932的博客
10-19 827
仅自己参考
评论
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