Rețele generatoare adversariale pentru traducerea de la imagine la imagine

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.

Titlul original:

Generative Adversarial Networks for Image-To-Image Translation

Conținutul cărții:

Generative Adversarial Networks (GAN) au început o revoluție în învățarea profundă, iar în prezent GAN este unul dintre cele mai cercetate subiecte din inteligența artificială. Generative Adversarial Networks for Image-to-Image Translation oferă o prezentare cuprinzătoare a conceptului GAN (Generative Adversarial Network) pornind de la rețeaua GAN originală până la diverse sisteme bazate pe GAN, cum ar fi Deep Convolutional GANs (DCGANs), Conditional GANs (cGANs), StackGAN, Wasserstein GANs (WGAN), GANs ciclice și multe altele.

Cartea oferă, de asemenea, cititorilor aplicații detaliate din lumea reală și proiecte comune construite folosind sistemul GAN cu codul Python respectiv. Un sistem GAN tipic constă din două rețele neuronale, și anume, generator și discriminator. Aceste două rețele concurează între ele, similar cu teoria jocurilor.

Generatorul este responsabil pentru generarea de imagini de calitate care ar trebui să semene cu adevărul de bază, iar discriminatorul este responsabil pentru identificarea dacă imaginea generată este o imagine reală sau o imagine falsă generată de generator. Fiind una dintre arhitecturile bazate pe învățarea nesupravegheată, GAN este o metodă preferată în cazurile în care nu sunt disponibile date etichetate.

GAN poate genera imagini de înaltă calitate, imagini ale fețelor umane dezvoltate din mai multe schițe, poate converti imagini dintr-un domeniu în altul, poate îmbunătăți imagini, poate combina o imagine cu stilul unei alte imagini, poate schimba aspectul imaginii unei fețe umane pentru a arăta efectele progresiei îmbătrânirii, poate genera imagini din text și multe alte aplicații. GAN este util în generarea de rezultate foarte apropiate de cele generate de oameni într-o fracțiune de secundă și poate produce eficient muzică, vorbire și imagini de înaltă calitate.