循环生成对抗网络（Cycle Generative Adversarial Network，简称 CycleGAN）是一种训练深度卷积神经网络以完成图像到图像转换任务的方法。与其他用于图像转换的 GAN 模型不同，CycleGAN 不需要成对图像的数据集。例如，如果我们对将橙子照片转换为苹果照片感兴趣，我们不需要 […]
“cyclegan”的搜索结果
如何使用 Keras 从零开始实现 CycleGAN 模型
循环生成对抗网络（Cycle Generative adversarial Network），简称 CycleGAN，是一种用于将图像从一个领域转换到另一个领域的生成器模型。例如，该模型可用于将马的图像转换为斑马的图像，或将夜间城市景观的照片转换为白天的城市景观。它的优点是 […]
CycleGAN 图像翻译简介
图像到图像的转换涉及生成给定图像的新的合成版本，并进行特定修改，例如将夏季景观转换为冬季景观。训练用于图像到图像转换的模型通常需要大量的成对示例数据集。这些数据集可能难以准备且成本高昂，在某些情况下甚至不可能，例如照片 […]
关于生成对抗网络（GAN）的9本书
生成对抗网络（Generative Adversarial Networks，简称 GANs）最初由 Ian Goodfellow 等人于 2014 年在题为“生成对抗网络”的论文中描述。此后，GANs 受到广泛关注，因为它们可能是生成大量高质量合成图像最有效的技术之一。因此，许多书籍 […]
如何开发用于图像到图像转换的 Pix2Pix GAN
Pix2Pix 生成对抗网络（GAN）是一种训练深度卷积神经网络以完成图像到图像转换任务的方法。通过将架构精心配置为一种图像条件 GAN，可以生成与以前的 GAN 模型相比更大的图像（例如 256×256 像素），并能够执行 […]
如何使用 Keras 从头开始实现 Pix2Pix GAN 模型
Pix2Pix GAN 是一种生成器模型，用于在成对示例上执行图像到图像的转换。例如，该模型可用于将白天的图像转换为夜晚的图像，或将鞋子等产品的草图转换为产品的照片。Pix2Pix 模型的优点是，与其他用于条件图像的 GAN 相比 […]
Pix2Pix 生成对抗网络入门简介
图像到图像的转换是将给定源图像受控地转换为目标图像。一个例子可能是将黑白照片转换为彩色照片。图像到图像的转换是一个具有挑战性的问题，通常需要针对给定的转换任务或数据集使用专门的模型和损失函数。Pix2Pix GAN 是一种 […]
如何开始使用生成对抗网络（7 天迷你课程）
使用 Python 快速入门生成对抗网络。在 7 天内将生成对抗网络应用于您的项目。生成对抗网络（GANs）是一种用于训练生成模型的深度学习技术。GANs 的研究和应用只有几年历史，但所取得的成果却非常显著。 […]
生成对抗网络模型巡览
生成对抗网络（GANs）是深度学习架构的生成模型，已取得广泛成功。关于 GANs 的论文有数千篇，命名 GANs 有数百个，即具有特定名称的模型，通常包含“GAN”，例如 DCGAN，而不是对方法的微小扩展。鉴于其庞大的规模 […]
生成对抗网络（GAN）的18种令人印象深刻的应用
生成对抗网络（GAN）是一种用于生成建模的神经网络架构。生成建模涉及使用模型生成可能来自现有样本分布的新示例，例如生成与现有照片数据集相似但具体不同的新照片。GAN 是一种 […]