生成对抗网络（GAN）是一种深度神经网络架构，是当前发展迅速的机器学习领域之一，也是人工智能领域的研究热。GAN潜力无限，能模拟任何数据分布方式，可用于构建新一代模型，其对抗学习思想也启发了深度学习领域的许多方法，并催生了一系列新技术与新应用。 本书首先介绍GAN的理论基础，然后通过使用Keras从头构建7个完整的GAN项目，详细讲解如何创建项目、准备数据、实现网络、训练模型以及优化模型。这7个项目分别对应一种流行的技术，难度由浅深，讲解循序渐。通过本书，读者能够轻松门GAN，学会在工作或项目中构建、训练并优化实际可用的GAN模型。 - 构建3D-GAN模型，生成现实世界的3D图形 - 构建Age-cGAN模型，实现人脸验证 - 构建DCGAN模型，生成动画人物 - 构建SRGAN模型，生成高分辨率图像 - 构建StackGAN模型，基于文本描述生成逼真图像 - 构建CycleGAN模型，将绘画转换为照片 - 构建cGAN模型，实现图像对图像变换
售 价：¥
纸质售价：¥51.70购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
版权声明
前言
第 1 章 生成对抗网络简介
1.1 什么是GAN
1.2 GAN的实际应用
1.3 GAN的具体架构
1.4 GAN变体
1.5 GAN的优势
1.6 训练GAN的问题
1.7 解决GAN训练稳定性问题
1.8 小结
第 2 章 使用3D-GAN生成图形
2.1 3D-GAN简介
2.2 创建项目
2.3 准备数据
2.4 3D-GAN的Keras实现
2.5 训练3D-GAN
2.6 超参数优化
2.7 3D-GAN的实际应用
2.8 小结
第 3 章 使用cGAN实现人脸老化
3.1 人脸老化cGAN简介
3.2 创建项目
3.3 准备数据
3.4 Age-cGAN的Keras实现
3.5 训练cGAN
3.6 Age-cGAN的实际应用
3.7 小结
第 4 章 使用DCGAN生成动画人物
4.1 DCGAN简介
4.2 创建项目
4.3 下载并准备动画人物数据集
4.4 使用Keras实现DCGAN
4.5 训练DCGAN
4.6 DCGAN的实际应用
4.7 小结
第 5 章 使用SRGAN生成逼真图像
5.1 SRGAN简介
5.2 创建项目
5.3 下载CelebA数据集
5.4 SRGAN的Keras实现
5.5 训练SRGAN
5.6 SRGAN的实际应用
5.7 小结
第 6 章 StackGAN：基于文本合成逼真图像
6.1 StackGAN简介
6.2 StackGAN架构
6.3 创建项目
6.4 准备数据
6.5 StackGAN的Keras实现
6.6 训练StackGAN
6.7 StackGAN的实际应用
6.8 小结
第 7 章 使用CycleGAN将绘画转换为照片
7.1 CycleGAN简介
7.2 创建项目
7.3 下载数据集
7.4 CycleGAN的Keras实现
7.5 训练CycleGAN
7.6 CycleGAN的实际应用
7.7 小结
7.8 延伸阅读
第 8 章 使用cGAN实现图像对图像变换
8.1 pix2pix简介
8.2 创建项目
8.3 准备数据
8.4 pix2pix的Keras实现
8.5 训练pix2pix网络
8.6 pix2pix网络的实际应用
8.7 小结
第 9 章 预测GAN的未来
9.1 对GAN未来的预测
9.2 GAN未来的潜在应用
9.3 探索GAN
9.4 小结
看完了
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
