GAN的姿态迁移——GAN专题代码复现

本课程主要介绍了迁移学习中一个子问题——领域自适应的DupGAN模型代码复现。 (课时:23 分钟)

计算机视觉 GAN的应用 对抗训练 DupGAN

讲师:   中科视拓

课程资料

数据集、代码、课程PPT资料:GAN的姿态迁移

课程背景

本系列课 是 GAN专题论文研读“系列课程 配套的代码复现,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!

代码讲解由助教讲师从数据准备,基础代码讲解,和实验结果分析来入手;作业设计形式多样,从论文理解,关键公式推导,代码实现,Benchmark结果复现等多个维度巩固论文学习成果。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!

在经典的机器学习问题中,我们往往假设训练集(源域)和测试集(目标域) 分布一致。然而在实际场景中,测试集和训练集分布有很大差异,这时模型在测试集上的效果就会不理想。迁移学习技术就由训练集测试集分布不一致的场景应运而生。

本课程将主要介绍如何设计GAN模型架构解决迁移学习的一个子问题——领域自适应问题,属于训练集和测试集属于同一类任务但数据分布不同的情况,复现DupGAN模型代码。

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

本课程的主要内容有: VIPL实验室——姿态迁移:

  • 训练流程
  • 网络结构
  • 环境配置
  • 代码详解
  • 运行&结果

课程目标

学完本课程,你能做到:

  1. 学会如何将分类约束引入GAN模型架构
  2. 理解处理目标域无标签的无监督领域自适应问题的方法

参考论文

1. [GAN, CVPR] Hu L, Kan M, Shan S, et al. Duplex Generative Adversarial Network for Unsupervised Domain Adaptation. Computer Vision and Pattern Recognition (CVPR 2018).