生成对抗网络（Generative Adversarial Networks），简称 GAN，是一种用于训练生成模型（例如用于生成图像的深度卷积神经网络）的架构。GAN 架构由一个生成器和一个判别器模型组成。生成器负责创建新的输出，例如可以来源于原始数据集的图像。 […]
如何在 Keras 中实现 GAN 技巧以训练稳定模型
生成对抗网络（Generative Adversarial Networks），简称 GAN，是一种难以训练的模型。这是因为该架构包含一个生成器和一个判别器模型，它们在一个零和博弈中进行竞争。这意味着一个模型的改进是以另一个模型的性能下降为代价的。结果是训练非常不稳定 […]
训练稳定生成对抗网络的技巧
您需要了解的用于训练稳定生成对抗网络（GAN）的经验性启发式方法、技巧和窍门。生成对抗网络（Generative Adversarial Networks），简称 GAN，是一种使用深度学习方法（如深度卷积神经网络）的生成模型方法。尽管 GAN 生成的结果可能非常出色，但可能具有挑战性 […]
生成对抗网络（GAN）入门
生成对抗网络（Generative Adversarial Networks），简称 GAN，是一种使用深度学习方法（如卷积神经网络）的生成模型方法。生成模型是机器学习中的一项无监督学习任务，它涉及自动发现和学习输入数据中的规律或模式，以便模型可以被用于 […]
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（Generative Adversarial Network），简称 GAN，是一种用于生成模型的神经网络架构。生成模型涉及使用模型生成似乎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又明显不同的新照片。GAN 是 […]
GAN入门的最佳资源
生成对抗网络（Generative Adversarial Networks），简称 GAN，是一种用于生成模型的深度学习技术。GAN 是惊人写实的人脸生成以及诸如照片着色、人脸去老、超分辨率等令人印象深刻的图像转换任务的背后技术。入门 GAN 可能非常具有挑战性。这是 […]
用于人脸识别的 One-Shot 学习
一次性学习（One-shot learning）是一种分类任务，其中使用一个或少数几个示例来对未来许多新示例进行分类。这适用于人脸识别领域中的任务，例如人脸识别和人脸验证，其中人们必须根据不同的面部表情、光照条件、配饰和发型进行正确分类 […]
如何在 Keras 中使用 FaceNet 开发人脸识别系统
人脸识别（Face recognition）是一项计算机视觉任务，旨在根据人脸照片识别和验证一个人。FaceNet 是 Google 研究人员于 2015 年开发的一款人脸识别系统，该系统在一系列人脸识别基准数据集上取得了当时最先进的结果。FaceNet 系统可以广泛应用于 […]
如何在 Keras 中使用 VGGFace2 进行人脸识别
人脸识别（Face recognition）是一项计算机视觉任务，旨在根据人脸照片识别和验证一个人。最近，深度学习卷积神经网络已经超越了经典方法，并在标准人脸识别数据集上取得了最先进的结果。一个最先进的模型示例是研究人员开发的 VGGFace 和 VGGFace2 模型 […]
如何使用深度学习进行人脸检测
人脸检测（Face detection）是一个计算机视觉问题，涉及在照片中查找人脸。对人类来说这是一个很容易解决的问题，并且已经通过诸如级联分类器之类的经典基于特征的技术得到了相当好的解决。最近，深度学习方法在标准基准人脸检测数据集上取得了最先进的结果。一个例子是 […]