基础原理之GAN的诞生——GAN专题论文解读

本课程围绕论文「Generative Adversarial Networks」介绍了GAN诞生的核心思想和优化理论。(课时:22 分钟)

GAN 计算机视觉 无监督学习

讲师:   杨双

课程资料

购买后可见

专题研读Paper List

GAN课程之相关Paper List

课程背景

本系列课程——GAN专题论文研读涉及>30篇经典论文;每个经典模型均会有代码复现与分析讲解;覆盖范围广泛,包括:

  • 原理介绍&代码实训!
  • 理论基础&实际应用!
  • 计算机视觉&文本处理!
  • 机器学习顶会&CV顶会!
  • 2014的提出之初 → 2018的当下最新!

从GAN的诞生之初讲起,全方位覆盖,介绍每个类别的代表性论文,复现经典模型,跟大家一起逐步梳理清楚GAN的发展脉络!

长久以来,人们都希望机器能够充满创造力,不仅能完成复杂的机械劳动,还能完成一些创造性的工作,比如画画、写诗、创作歌词等。这些一直是人工智能长久以来的梦想,随着自动编码器和变分编码器的提出,这一梦想慢慢变成了现实。2014年,Ian Goodfellow 提出了生成对抗网络(Generative Adversarial Networks,GANs)这一概念,推进了整个无监督学习的发展进程。

本课程将围绕「Generative Adversarial Networks」这一开创性论文,介绍GAN诞生的原理和优化理论。

适用人群

本课程适用于对深度学习及其在计算机视觉领域的应用等内容感兴趣的高校学生或者工程技术人员。

课程详情

本课程的主要内容是:

  1. 引言

    a. GAN产生的大环境

    b. 其它相关方法

  2. 核心思想

  3. 优化目标的有效性

  4. 优化方法的有效性

  5. 实验分析&后续工作

  6. 总结:文章特色&GAN特色

课程目的

帮助大家清晰地梳理GAN诞生的核心思想和优化理论。

参考论文

1. [[GAN,NIPS] Goodfellow, I.,Pouget-Abadie,J.,Mirza,M.,Xu,B.,Warde-Farley,D.,Ozair,S.,…&Bengio,Y.. Generative adversarial nets. In Advances in neural information processing systems(NIPS 2014)]