【李宏毅2020 ML/DL】P81 Generative Adversarial Network | Intelligent Photo Editing
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
- 本节讲解修图的例子。
- 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?
- 可以使用 GAN + Autoencoder 。
- 李老师又找了个 Demo ,“智能 photoshop”。并且介绍了其 Basic Idea 。
- 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∗=argminzL(G(z),xT)z^*=arg\min_zL(G(z),x^T)z∗=argminzL(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
- 【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 ...
- 【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 ...
- 【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 ...
- 【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 ...
- 【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 ...
- 【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 ...
- 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 ...
- 【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 ...
- 【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
- android切图尺寸_安卓设计尺寸规范
- python 调用c++ 传输图片
- 过滤输入字符串中的危险字符
- 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
- C++/CLI中的资源清理(Destructor,Finalizer)
- django按钮点击后想刷新当前页面的view写法
- hana数据库导入mysql_【SAP HANA】新建表以及操作数据(3)
- webpack打开项目命令_webpack打包好的页面在项目中怎么运行?
- spring 监听器简介
- 为什么谷歌要执行严格的代码编写规范
- Kubernetes 架构(上)- 每天5分钟玩转 Docker 容器技术(120)
- “有本事你去学校数据库把期末成绩改了“,“好,你等着。“
- 设计模式系列 12-- 职责链模式
- AirDisk创建网盘
- 单点登录原理及简单实现
- 华为RS技术认证,IA/IP/IE它们都要学什么?
- docker push latest 和 保存历史版本
- redis主从和集群
- iOS 3DES加密
- element input自定义正则验证
热门文章
- shell中变量的引用(两种方式:$变量名,${变量名})。
- 很久之前写的【成绩管理系统】的数据库
- 【PostgreSQL-9.6.3】extract函数
- 【Linux】磁盘分区
- 安卓手机USB无法共享、上网或卡顿的解决方法
- Redis连接的客户端(connected_clients)数过高或者不减的问题解决方案
- js做四则运算时,精度丢失问题及解决方法
- Electron使用时拦截HTTP请求的解决方案
- JS获取url多个参数及解决中文乱码问题
- 手机端局部滚动问题 overflow-y:auto