Публикации по теме 'generative-adversarial'
Генеративно-состязательные сети (GAN) — прорыв в глубоком обучении
Себастьян Рашка , недавно написавший Python Machine Learning, Third Edition , обсуждает реализацию GAN для анализа данных и то, как это представлено в его книге.
GAN превратились в один из самых популярных и широко используемых методов глубокого обучения. Они считаются самым важным прорывом в глубоком обучении , позволяя компьютерам генерировать новые данные (например, новые изображения).
Первая статья по GAN вышла всего за два года до того, как мы начали работать над вторым..
Генеративное моделирование для дизайна
Приложения генеративного моделирования: Генеративное моделирование поистине невероятно, это подраздел машинного обучения, который кажется мне наиболее интригующим, потому что в нем есть определенная загадка. Если мы подумаем о том, на что способно машинное обучение, дискриминационные модели - это довольно круто. Существует множество полезных приложений для обнаружения или классификации чего-либо. Но генеративные модели - это темное искусство. Эти модели изучают распределение набора..
Оживите свое искусство с Pix2Pix
PIX2PIX - Инструмент машинного обучения для художников
Как художник, я всегда задавался вопросом, смогу ли я воплотить свое искусство в жизнь. Хотя, это не имеет смысла, но что, если я скажу вам, что это возможно с помощью машинного обучения? Представьте себе алгоритм машинного обучения, который может преобразовать все ваши наброски, используя простую линию вашего рисунка в качестве ориентира, чтобы преобразовать его в картину маслом, основываясь на его понимании реальных форм и..
Понимание векторных квантованных вариационных автоэнкодеров (VQ-VAE)
Из моей последней эскапады в литературу по глубокому обучению я представляю вам эту статью Oord et. др. который представляет идею использования дискретных скрытых вложений для вариационных автокодировщиков . Предлагаемая модель получила название векторных квантованных вариационных автоэнкодеров (VQ-VAE). Мне очень понравилась идея и полученные результаты, но я нашел на удивление мало ресурсов для развития понимания. Это попытка помочь другим, кто может отважиться зайти в эту область..
Использование машинного обучения для обнаружения мошенничества
За последние несколько недель в качестве стажера в GovTech у меня была возможность поработать над обнаружением мошенничества при подаче заявок на государственные гранты. Эта работа привела меня к изучению использования генерирующих состязательных сетей (GAN) для моделирования заявок на гранты и возможного различения мошеннических и не мошеннических заявок.
Итак, что такое GAN?
Для тех из вас, кто не знаком с GAN, это класс модели машинного обучения, который выполняет обучение без..
От GAN basic к StyleGAN2
В этом посте описываются GAN basic, StyleGAN и StyleGAN2, предложенные в «Анализе и улучшении качества изображения StyleGAN». План сообщения выглядит следующим образом.
1. GAN Basic
2. показатели оценки GAN
- 2.1. Начальное расстояние Фреше
- 2.2. Перцепционная длина пути
3. StyleGAN
- 3.1. Прогрессивный рост
- 3.2. АдаИН
- 3.3. Сетевая архитектура StyleGAN
- 3.4. Смешивание регуляризации
4. Анализ StyleGAN
5.StyleGAN2
- 5.1. резюме и ключевые..
Как редактировать изображения с помощью GAN? Управление скрытым пространством GAN
Недавние работы по созданию изображений, такие как StyleGAN и BigGAN, позволили создать изображения действительно великолепного качества. Хотя эти работы по GAN очень увлекательны, мы должны больше понимать скрытое пространство для разработки интересных приложений. Мы хотим иметь возможность контролировать, какие типы изображений мы хотим создавать.
В этом посте мы рассмотрим статью о том, как встроить данное изображение в скрытое пространство GAN. Чтобы понять эти документы, вам..
