我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的、自己不知道的东西。

这是我的李宏毅老师 GAN 系列第8篇笔记,GAN 系列:

  • 1:Basic Idea
  • 2:Conditional GAN
  • 3:Unsupervised Conditional Generation
  • 4:Theory behind GAN
  • 5:fGAN: General Framework of GAN
  • 6:Tips for improving GAN
  • 7:Feature Extraction

本节内容综述

  1. 本节讲解修图的例子。
  2. Modifying Input Code ,如何找出我们输入的信息每一个元素对应的特征都是什么呢?
  3. 可以使用 GAN + Autoencoder 。
  4. 李老师又找了个 Demo ,“智能 photoshop”。并且介绍了其 Basic Idea 。
  5. 还可以用于将图像变得清晰。见 Image super resolution 。此外还有技术比如 Image Completion 。

文章目录

  • 本节内容综述
  • 小细节
    • Modifying Input Code
      • GAN + Autoencoder
    • Basic Idea
      • Back to z
      • Editing Photos
    • Image super resolution

小细节

Modifying Input Code

GAN + Autoencoder


如上,我们已经有了一个 Generator ,把其作为 Decoder ,固定,前面接一个 Encoder (其参数可以用 Discriminator 参数来初始),这样就可以从生成的图片x反推对应什么代码z

如上,两个集合,长发与短发,分别得到其对应的 code ,然后分别求平均,这样就可以得到一个向量 zlongz_{long}zlong​ ,用于长短发间的转换。

Basic Idea


如上,让数据在 code space 上做一个小小的移动。

Back to z


如上,让图片转换回 code 有许多方法:

  • 方法一:z∗=argmin⁡zL(G(z),xT)z^*=arg\min_zL(G(z),x^T)z∗=argminz​L(G(z),xT),使用梯度下降找到最合适的 z∗z^*z∗;
  • 方法二:使用 auto encoder ;
  • 方法三:方法一、二结合。

Editing Photos


此外,如果我们为画面增加一笔(如上图红色笔画),Editing Photos 中 z∗z^*z∗ 该如何表示呢?这里有三个约束:

  • 这个 z 要满足与这一笔有关联;
  • 这个 z 与原图像的 z0z_0z0​ 不能太远;
  • 这个 zzz 应该真实。

Image super resolution


如上,使用 GAN 在细节处也能在绘制出清晰的图片。

【李宏毅2020 ML/DL】P81 Generative Adversarial Network | Intelligent Photo Editing相关推荐

  1. 【李宏毅2020 ML/DL】P1 introduction

    [李宏毅2020 ML/DL]P1 introduction 本节主要介绍了 DL 的15个作业 英文大意 Regression: 回归分析 Classification: 分类 RNN: 循环神经网 ...

  2. 【李宏毅2020 ML/DL】P86-87 More about Domain Adaptation

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 本节内容综述 本节课由助教 Chao Brian 讲解. 首先讲解些领域适配的基础内容,包括名词.定义等. 接 ...

  3. 【李宏毅2020 ML/DL】P59 Unsupervised Learning - Auto-encoder

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐):https://github.com/Sakura-gh/ML-note ...

  4. 【李宏毅2020 ML/DL】P14 Tips for training DNN | 激活函数、Maxout、正则、剪枝 Dropout

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐): https://github.com/Sakura-gh/ML-not ...

  5. 【李宏毅2020 ML/DL】P58 Unsupervised Learning - Neighbor Embedding | LLE, t-SNE

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐):https://github.com/Sakura-gh/ML-note ...

  6. 【李宏毅2020 ML/DL】P15 Why Deep-

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 已经有人记了笔记(很用心,强烈推荐): https://github.com/Sakura-gh/ML-not ...

  7. 李宏毅svm_李宏毅2020 ML/DL补充Structured Learning Structured SVM

    李宏毅2020 ML/DL补充Structured Learning Structured SVM [李宏毅2020 ML/DL]补充:Structured Learning: Structured ...

  8. 【李宏毅2020 ML/DL】P83 Generative Adversarial Network | Evaluation

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 这是我的李宏毅老师 GAN 系列第10篇笔记,GAN 系列: 1:Basic Idea 2:Condition ...

  9. 【李宏毅2020 ML/DL】P82 Generative Adversarial Network | Improving Sequence Generation by GAN

    我已经有两年 ML 经历,这系列课主要用来查缺补漏,会记录一些细节的.自己不知道的东西. 这是我的李宏毅老师 GAN 系列第9篇笔记,GAN 系列: 1:Basic Idea 2:Conditiona ...

最新文章

  1. android切图尺寸_安卓设计尺寸规范
  2. python 调用c++ 传输图片
  3. 过滤输入字符串中的危险字符
  4. 需求评审五个维度框架分析及其带来的启示-3-典型需求评审
  5. C++/CLI中的资源清理(Destructor,Finalizer)
  6. django按钮点击后想刷新当前页面的view写法
  7. hana数据库导入mysql_【SAP HANA】新建表以及操作数据(3)
  8. webpack打开项目命令_webpack打包好的页面在项目中怎么运行?
  9. spring 监听器简介
  10. 为什么谷歌要执行严格的代码编写规范
  11. Kubernetes 架构(上)- 每天5分钟玩转 Docker 容器技术(120)
  12. “有本事你去学校数据库把期末成绩改了“,“好,你等着。“
  13. 设计模式系列 12-- 职责链模式
  14. AirDisk创建网盘
  15. 单点登录原理及简单实现
  16. 华为RS技术认证,IA/IP/IE它们都要学什么?
  17. docker push latest 和 保存历史版本
  18. redis主从和集群
  19. iOS 3DES加密
  20. element input自定义正则验证

热门文章

  1. shell中变量的引用(两种方式:$变量名,${变量名})。
  2. 很久之前写的【成绩管理系统】的数据库
  3. 【PostgreSQL-9.6.3】extract函数
  4. 【Linux】磁盘分区
  5. 安卓手机USB无法共享、上网或卡顿的解决方法
  6. Redis连接的客户端(connected_clients)数过高或者不减的问题解决方案
  7. js做四则运算时,精度丢失问题及解决方法
  8. Electron使用时拦截HTTP请求的解决方案
  9. JS获取url多个参数及解决中文乱码问题
  10. 手机端局部滚动问题 overflow-y:auto