Gan综述RoadMap和应用：创造性工作的领域

最新推荐文章于 2022-11-26 17:34:04 发布
最新推荐文章于 2022-11-26 17:34:04 发布
阅读量692 收藏
点赞数 1
分类专栏： # 图像生成
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_44523062/article/details/105857628
版权

文章目录

Gan Road

在这里插入图片描述

Key、算法应用技巧

在这里插入图片描述

先找（重在积累和论文阅读）现有模型（传统/深度）建立一个基础结果benchmark，然后基于此改进（效率和用户的体验性）

对于数据来讲：是什么？有什么？缺什么？#

对于应用：解决问题（常见模型、常见loss，常见训练trick）

在这里插入图片描述

一、应用

1 生成图像场景；艺术创作、换衣服

2 上色（从分割图像到生成图像)

3 从低分辨率图像生成高分辨率图像等[4].

二 动漫领域的应用

卢薇薇讲座应用
将G的分布逼近真实样本的分布
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

Gan发展的两头loss和网络模型：图上，图下

loss量化likelihood: KL Divergence–> JL Divergence–> Wasserstein Distence

在这里插入图片描述

DCGan

在这里插入图片描述

PG Gan

在这里插入图片描述

style Gan: laten z 可以控制粗、中、细三种特征 （44 1616 256*256）

在这里插入图片描述

找到了图像到编码z的编码: 对应特征空间的latent编码

三 更多应用：图像图像翻译(pix2pixGan、cycle Gan)、超分辨率、修复、交互

在这里插入图片描述

图像翻译：图像上色、分割2real、白天黑夜场景转换

在这里插入图片描述

cycle Gan

在这里插入图片描述

Funit Nvidia

在这里插入图片描述

Partial Conv Nvidia

在这里插入图片描述

四、漫画中Gan的应用 DCgan生成人脸（训练数据集的清洗）

剧本–>动漫形象设计–>分镜草稿–>完成线稿–> 线稿上色–>添加背景

在这里插入图片描述
在这里插入图片描述

换衣服

在这里插入图片描述

线稿上色

在这里插入图片描述

图像补全

在这里插入图片描述

AIchiNiurou
关注
专栏目录
GAN万字长文综述
小肥柴不是小废柴的博客
03-01 4089
生成对抗网络（GAN，Generative Adversarial Networks）作为一种优秀的生成式模型，引爆了许多图像生成的有趣应用。GAN相比于其他生成式模型，有两大特点： 不依赖任何先验假设。传统的许多方法会假设数据服从某一分布，然后使用极大似然去估计数据分布。关于这点，我们后面还会讲到，没懂的同学先不用着急。 生成real-like样本的方...
roadmap_generator：一个向导，可帮助为凉亭所需的环境照明创建逼真的城市路线图
02-06
然后将其生成到一个矩阵中，该矩阵又可以用于查找位置和放置路障。 加工 该向导基本上执行以下操作： 在路线图上问您几个问题 打开一个GUI网格，您可以在其中定义道路布局 将该网格转换为矩阵 查找每个路障的位置 ...
GAN学习笔记（1）：GAN综述
scarletouyang的博客
12-22 1万+
GAN学习笔记（1）：GAN综述，针对GAN的基本模型，数学原理，衍生模型，应用领域等，根据大量论文、知乎、CSDN博客网络资料整理
GAN的文献综述
weixin_30270561的博客
05-03 1066
1.Conditional Generative Adversarial Netwoks Describe GAN: Generative adversarial nets were recently introduced as a novel way to train a generative model.They consists of two ‘adversarial’ models: a...
GAN综述
weixin_30920597的博客
02-26 300
生成式对抗模型GAN (Generativeadversarial networks) 是Goodfellow等[1]在 2014年提出的一种生成式模型，目前已经成为人工智能学界一个热门的研究方向，著名学者Yann Lecun甚至将其称为“过去十年间机器学习领域最让人激动的点子"。GAN的基本思想源自博弈论的二人零和博弈，由一个生成器和一个判别器构成，通过对抗学习的方式来训练，目的是估测数据样本的...
GAN综述（1）
u014033218的专栏
03-30 2768
生成对抗网络GAN兴起后，随之而来的GAN自身存在的问题也是在各位学者的严谨证明下展露出来。有问题就有改进，大量围绕着GAN的文章也是爆发式的发表 但是其中不乏存在一些质量很高的文章。本文将对目前比较好的GAN模型做一个汇总和简单的比较，篇幅问题就不详细扩展，在以后的文章中将对其中的一部 分GAN模型做详细的解读。 github上开源的GAN项目代码很多，我总结了一下，用tensorflow和p...
data-science-roadmap::bullseye:个人路线图，以更深入地了解数据科学和相关领域
05-02
我想跟踪我在这一广泛领域中的学习进度。 我无意列出大量资源或课程，仅列出我到目前为止已完成的资源或课程，以及我打算下一步（短期/中期甚至长期）的以下资源。 无论如何，宝贵的资源可能会成为我未来计划的一...
developer-roadmap-chinese：2018年成为Web开发人员的路线图
02-05
【描述】该资源“developer-roadmap-chinese”是英文原版Developer Roadmap的中文翻译版，原版由Kamran Ahamed制作并定期更新，以反映当前Web开发领域的最新趋势和技术需求。2018年的版本虽然已经过去几年，但其基础...
developer-roadmap-chinese：2019年成为Web开发人员的路线图
02-05
这份路线图涵盖了前端、后端以及DevOps等关键领域，是开发者入门和进阶的重要指南。 【描述】简短的描述再次强调了该资源的主要目标——为希望成为Web开发人员的学习者提供一个清晰的方向。2019年的Web开发界正处于...
roadmap-react:卡样式路线图
05-09
路线图 这是使用React卡的路线图的存储库。 运行应用程序 要生成该应用程序，请按照下列步骤操作： 1.安装Node.JS 首先，如果尚未安装，则需要安装 2.安装依赖项 ...在dist / style.css下调整颜色和其他属性
生成式对抗网络GAN 综述
06-25
最近几年的完整GAN完整综述，上面有各种资源的地址，值得认真阅读
生成式对抗网络GAN综述
11-05
本资源通过整理目前GAN的相关论文做出PPT，PPT配套演讲文档，和附上PPT所述的来源引文
GAN小综述
weixin_39323037的博客
04-05 714
注：拉到最后有视频版哦~ GAN GAN 的介绍 GANs 简单的想法就是用两个模型，一个生成模型，一个判别模型 判别模型用于判断一个给定的图片是不是真实的图片，生成模型的任务是去创造一个看起来像真的一样的图片。 而在开始的时候这两个模型都是没有经过训练的，这两个模型一起对抗训练，生成模型产生一张图片去欺骗判别模型，然后判别模型去判断这张图片是真是假，最终在这两个模型训练的过程中，两个模型的能力越来越强，最终达到稳态。 举个例子，想要成为一名优秀的伪钞制造者，也就是生成器，需要使用原材料，也就是
GANs综述
kuxingseng123的博客
11-26 1228
慢慢的将各种GAN模型都好好研究一番，争取搞个零样本学习方式。
GAN综述及其在图像生成领域的应用（含原理、代码详解）
热门推荐
蓝鲸鱼的博客
03-02 1万+
首先我们用一句话来概括下原始GAN。原始GAN由两个有机中整体构成——生成器 [公式] 和判别器 [公式] ，生成器的目的就是将随机输入的高斯噪声映射成图像（“假图”），判别器则是判断输入图像是否来自生成器的概率，即判断输入图像是否为假图的概率。 GAN的训练也与CNN大不相同，CNN是定义好特定的损失函数，然后利用梯度下降及其改进算法进行优化参数，尽可能用局部最优解去逼近全局最优解。但是GAN的训练是个动态的过程，是生成器 [公式] 与判别器 [公式] 两者之间的相互博弈过程。通俗点讲，GAN的目的就..
mark一下GAN的一些综述
dym755833564的博客
10-23 408
https://blog.csdn.net/qq_25737169/article/details/78857788
ACM顶刊接收 | GAN的综述
idol24的博客
02-21 1337
点击“机器学习与生成对抗网络”，关注星标获取有趣、好玩的前沿干货！新更：Generative Adversarial Networks in Computer Vision: A Surv...
对抗生成网络GAN（Generative Adversarial Networks）综述
wanfuchun的博客
11-15 367
原文链接：万字综述之生成对抗网络（GAN） 重点笔记：
GAN综述总结笔记
Hulk_liu的博客
05-07 1513
GAN综述总结笔记 源自超分辨率Generative Adversarial Networks for Image Super-Resolution: A Survey 论文地址 1.摘要 GAN在小样本的低分辨率图像表现不错，GAN在图像超分辨率应用总结。 分析基于优化方法和判别方法在图像超分辨应用上有监督，半监督，无监督训练GANs的动机，实现和区别。 给出GANs方法就定性和定量分析上的图像超分辨率的性能，潜在研究点和挑战。 本文框架图 本文前期提要和本文框架 - 2.
一篇关于机器学习在金融领域应用的文献综述
最新发布
05-03
以下是一篇关于机器学习在金融领域应用的文献综述： 引言 机器学习是一种能够自动化数据分析的技术，近年来在金融领域得到了广泛的应用。通过机器学习，可以更好地分析和预测金融市场的变化，提高投资决策的准确性。本文将综述近年来机器学习在金融领域的应用情况，并探讨机器学习未来在金融领域的发展趋势。 文献综述 1. "Machine Learning in Finance: A Review" (2019) 该文献综述了机器学习在金融领域的应用情况，并指出该技术可以用于预测市场价格、评估投资风险等方面。作者认为，机器学习可以帮助金融机构更好地理解市场的动态，从而更好地管理风险和投资。 2. "Applications of Machine Learning in Finance: A Review" (2018) 该文献综述了机器学习在金融领域的应用情况，并指出该技术可以用于预测股票价格、评估信用风险、识别欺诈行为等方面。作者认为，机器学习可以帮助金融机构更好地处理大量数据，从而更好地做出决策。 3. "Machine Learning in Finance: A Pragmatic Approach" (2018) 该文献提出了一种实用的机器学习方法，可以用于预测股票价格、评估风险、识别欺诈行为等方面。作者认为，该方法可以帮助金融机构更好地管理风险，同时提高投资决策的准确性。 4. "Machine Learning in Finance: Theory and Applications" (2019) 该文献综述了机器学习在金融领域的理论基础和应用情况，并指出该技术可以用于预测市场价格、评估投资风险、识别欺诈行为等方面。作者认为，机器学习可以帮助金融机构更好地处理大量数据，从而更好地做出决策。 5. "Machine Learning in Finance: A Review and Roadmap" (2020) 该文献综述了机器学习在金融领域的应用情况，并提出了未来发展的方向。作者认为，未来机器学习将更加注重数据隐私和安全性，同时也将更加注重可解释性和可重复性。 结论 综上所述，机器学习在金融领域的应用已经取得了显著的成果，并且未来还有更大的发展空间。未来机器学习将更加注重数据隐私和安全性，同时也将更加注重可解释性和可重复性。
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