GANs对抗神经网络大家族

本课程是“火炬上的深度学习”系列课程的配套视频,主要讲解了生成式对抗网络的数学原理及对多种变种对抗神经网络的介绍。(课时:44 分钟)

深度学习 PyTorch GAN 生成模型

讲师:   张江

思维导图

思维导图

课程资料

  • 课件下载:(报名后可见)

课程背景

本课为“火炬上的深度学习”附加课程:对抗神经网络大家族。在本课程中,我们介绍了生成式对抗网络(GANs)这一新型神经网络模型,并介绍了多种GAN变种模型在不同领域的应用。

参考文献

  1. Jon Gauthier: Conditional generative adversarial nets for convolutional face generation, CoRR , abs/1411.1784, 2014.
  2. Scott Reed et al., Generative Adversarial Text to Image Synthesis, arXiv:1605.05396v2
  3. Xi Chen etal.: InfoGAN : Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets)
  4. Emily Dentonet al. Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks
  5. Christian Ledig et al.: Photo-­‐Realistic Single Image Super-­‐Resolution Using a Generative Adversarial Network, arXiv:1609.04802v1
  6. Phillip Isola et al., Image-to-Image Translation with Conditional Adversarial Networks, arXiv:1611.07004v1, 2016
  7. Jun Yan Zhu et al.:Unpaired Image to Image Translation using Cycle Consistent Adversarial Networks, arXiv:1703.10593v1, 2017
  8. Tim Salimans : Improved Techniques for Training GANs, arXiv:1606.03498v1,2016

课程目的

学完本课程,你能做到

  • 了解 GAN 的各种有趣的变种

课程详情

本讲的主要内容有:

  • 利用额外信息的 GAN

  • Conditional GAN

  • Text to GAN

  • Info GAN

  • 高分辨率图生成

  • Laplacian pyramid GAN

  • 图像到图像翻译

  • pix2pix

  • CycleGAN

  • 对GAN生成图像的评估方法