【CV秋季划】生成对抗网络GAN有哪些研究和应用,如何循序渐进地学习好(2022年言有三一对一辅导)?...
GAN自从被提出来后,技术发展就非常迅猛,已经被落地于众多的方向,其应用涉及图像与视频生成,数据仿真与增强,各种各样的图像风格化任务,人脸与人体图像编辑,图像质量提升。
那我们究竟如何去长期学好相关的算法呢?有三AI推出了CV秋季划-GAN组,供长期学习相关内容,学习不限时长,永久有效,大家可以先阅读以下视频了解:
整个学习内容
GAN小组需要学习的东西包括:GAN的基础理论,图像与视频生成,图像翻译与风格迁移,图像增强,图像编辑等方向。下面来看看给大家配置的已有学习资料(未更新完毕,仍然会继续更新):
1、《深度生成模型GAN:理论基础篇》专栏
这一部分主要是学习对GAN的基础理论的理解以及评估,包括:
(1) 生成模型基础
(2) 自编码器与变分自编码器
(3) GAN的原理
(4) GAN的优化
(5) GAN的评估
本部分内容学习资料包括视频与图文,已有内容大纲如下:
更加详细的内容介绍请阅读:【视频课】永久免费课程!如何掌握好深度生成模型与GAN的基础理论知识
2、《深度学习之图像生成GAN:理论与实践篇》专栏
这一部分主要是学习图像生成和视频生成技术,这是GAN最为人熟知的应用,包括:
(1) 图像生成技术的基本原理
(2) 视频生成技术的基本原理
(3) 如何提高生成图像和视频的质量
(4) 如何使用GAN提高已有数据的质量
本部分内容学习资料包括视频讲解与实践内容,已有内容大纲如下:
(1) 理论部分内容:详细解读了基本的全卷积GAN,各类条件生成GAN,强大的StyleGAN系列,数据增强与仿真GAN,后续还会增加3D与视频的部分内容,既有足够的宽度,也具备有足够的深度。
(2) 实践部分内容:本次课程中一共已经包含了2个Pytorch实战案例,分别为DCGAN人脸嘴唇表情生成任务,StyleGAN人脸图像生成任务,后续还会增加3D与视频部分的实践内容。
更加详细的内容介绍请阅读:【视频课】CV必学,超6小时,2大模块,循序渐进地搞懂GAN图像生成!
3、《深度学习之图像翻译GAN:理论与实践篇》专栏
这一部分主要是学习图像翻译与风格化GAN相关的内容,包括:
(1) 有监督图像翻译GAN
(2) 无监督图像翻译GAN
(3) 多域图像翻译GAN
(4) 交互式图像翻译GAN
本部分内容学习资料包括视频讲解与实践内容,已有内容大纲如下:
(1) 理论部分内容:涵盖了深度学习之图像翻译的核心方向,如有监督图像翻译模型,无监督图像翻译模型,多域图像翻译模型。我们会非常详细地讲解算法中的细节,帮助彻底消化算法原理;并且后续还会有更多模型的更新。
(2) 实践部分内容:本次课程中一共已经包含了3个实践案例,分别为基于Pix2Pix的黑白图像上色实战,基于StarGAN的人脸表情编辑实战,基于BeautyGAN的人脸美妆实战,后续还会增加其他方向的实战:
更加详细的内容介绍,请阅读:【视频课】CV必学,超7小时,3大模块,3大案例,掌握图像翻译与风格化GAN核心技术!
4、《深度学习之图像增强GAN:理论与实践篇》专栏
这一部分主要是学习图像增强GAN相关的内容,包括:
(1) 图像降噪GAN
(2) 图像色调映射GAN
(3) 图像去模糊GAN
(4) 图像超分辨GAN
(4) 图像修复GAN
本部分内容学习资料包括视频讲解与实践内容,已有内容大纲如下:
(1) 理论部分内容:涵盖了深度学习之图像增强GAN的核心方向,包括图像降噪、图像去模糊、图像超分辨、图像色调映射、图像修复。我们会非常详细地讲解算法中的细节,帮助彻底消化算法原理;并且后续还会有更多模型的更新。
(2) 实践部分内容:本次课程中一共已经包含了3个实践案例,分别为基于SRGAN的图像超分辨实战,基于EnlightenGAN的图像增强实战,基于DANet的图像降噪实战,后续还会增加其他方向的实战:
更加详细的内容介绍,请阅读:【视频课】超8小时,5大模块,掌握基于GAN的图像增强应用(降噪色调映射去模糊超分辨修复)
5、《深度学习之人脸属性编辑:理论与实践篇》专栏
这一部分主要是学习图像增强GAN相关的内容,包括:
(1) 人脸表情编辑GAN
(2) 人脸年龄编辑GAN
(3) 人脸姿态编辑GAN
(4) 人脸妆造编辑GAN
本部分内容学习资料包括视频讲解与实践内容,已有内容大纲如下:
(1) 理论部分内容:涵盖了深度学习之人脸属性编辑的核心方向,包括基于StyleGAN模型的通用人脸属性编辑,基于图像翻译模型的通用人脸属性编辑,以及各类专用的人脸属性编辑模型,包括人脸表情、年龄、姿态、妆造等。我们会非常详细地讲解算法中的细节,帮助彻底消化算法原理;并且后续还会有更多模型的更新。
(2) 实践部分内容:本次课程中一共已经包含了3个实践案例,分别为基于StyleGAN的通用人脸属性编辑实战,基于StarGAN的人脸表情编辑实战,基于BeautyGAN的人脸妆造编辑实战,后续还会增加其他方向的实战:
更加详细的内容介绍,请阅读:【视频课】超10小时,3大模块,掌握深度学习人脸属性编辑算法理论与实践
6、GAN相关的实战专栏
今年我们开始重点开发项目实战类课程,其中尤其是GAN相关的实战类课程居多,秋季划GAN组可以享受所有有三本人制作的GAN实战类课程,目前已有的包括如下:
DCGAN人脸嘴部表情图像生成实战,详情请阅读:【项目实战课】基于Pytorch的DCGAN人脸嘴部表情图像生成实战
StyleGAN人脸图像生成实战,详情请阅读:【项目实战课】基于Pytorch的StyleGAN v1人脸图像生成实战
基于SRGAN的图像超分辨实战,详情请阅读:【项目实战课】基于Pytorch的SRGAN图像超分辨实战
基于Pix2Pix的黑白图像上色实战,详情请阅读:【项目实战课】基于Pytorch的Pix2Pix黑白图片上色实战
基于BeautyGAN人脸智能美妆实战,详情请阅读:【项目实战课】基于Pytorch的BeautyGAN人脸智能美妆实战
基于UGATIT的人脸动漫风格化实战,详情请阅读:【项目实战课】基于Pytorch的UGATIT人脸动漫风格化实战
基于StyleGAN的人脸属性(表情、年龄、性别)编辑实战,详情请阅读:【项目实战课】基于Pytorch的StyleGAN人脸属性(表情、年龄、性别)编辑实战
基于EnlightenGAN的图像增强实战,详情请阅读:【项目实战课】基于Pytorch的EnlightenGAN自然图像增强实战
基于DANet的图像降噪实战,详情请阅读:【项目实战课】基于Pytorch的DANet自然图像降噪实战
后面新增的GAN相关的实战课程专栏,也会给GAN组免费配置。
7、赠送的基础课程专栏
考虑到有些同学的基础不够扎实,因此我们给所有GAN组成员都额外赠送了两套基础专栏,分别是《深度学习之图像分类:理论实践篇》,《深度学习之模型设计:理论实践篇》。
图像分类专栏包括图像分类的各个领域的算法与实践,时长超过10个小时,分为3大模块,5个实践案例。包括图像分类的理论知识和实践内容,内容详细,案例丰富,下面是当前课程的大纲脑图:
(1) 理论部分内容:涵盖了深度学习图像分类各个方向的理论知识,如图像分类基础、多类别图像分类理论、细粒度图像分类理论、多标签图像分类理论、半监督与无监督图像分类、零样本图像分类等,既有足够的广度,也具备足够的深度。我们会非常详细地讲解理论中的细节知识,帮助大家学懂学会;
(2) 实践部分内容:本次课程中一共已经包含了5个实践案例,分别为从零完成人脸表情识别案例实践、简单图像分类数据增强实战、鸟类动物细粒度分类实战、生活用品多标签图像分类实战、基于血红细胞的图像分类竞赛技巧,通过这些实战案例可以彻底掌握图像分类任务的实战技巧。
完整的介绍请阅读:【视频课】CV必学,超10小时,3大模块,5大案例,循序渐进地搞懂图像分类理论与实践!
模型设计专栏包括经典的CNN模型设计算法与实践,总共时长超过20个小时,分为4大模块,4个实践案例,内容详细,案例丰富。在课程中老师会使用通俗易懂的语言帮助大家理解涉及的知识点、原理及代码,下面是当前课程的大纲脑图:
理论部分内容:涵盖了绝大多数经典CNN模型设计,包括基于网络深度的模型、基于网络宽度的模型、注意力机制模型、轻量化模型等内容。
实践部分内容:涵盖了一些非常经典的模型实战,包括基于ResNet的网络深度设计分析及实战,基于InceptionNet的网络宽度设计分析及实战,基于SeNet的人种分类实战,基于Pytorch的安卓端模型部署。
完整的介绍请阅读:【视频课】AI必学,超20小时,4大模块,循序渐进地搞懂经典模型设计与简单部署!
其他学习资料
除了以上学习资料,GAN组还包括一系列其他资料。
1、知识星球社区:包括两个,一个是专用于秋季划GAN学习小组存储资料的星球,永久有效,不对外开放。另一个是对外开放的有三AI知识星球,1年有效,不对外开放,大家可以自行阅读下文了解。
有三AI知识星球的介绍可以参考:【重要】有三AI知识星球不再对外公开!还想加入的有哪些途径?
其中GAN相关的内容非常多,包括各类经典GAN模型的讲解,下面是一个简单的汇总,大家可以参考,提供相关的论文下载和解读。
2、配套参考教材一本,《生成对抗网络GAN:理论与实践》。
书籍介绍可以参考:言有三新书来袭,全面系统性地讲解生成对抗网络GAN原理与实践
(3) 有三AI内容组,项目组,运营组:是学习后下一步从业的真正目标。在内容组大家可以从事内容创作和教学相关的工作,获得收入。在项目组大家可以参与各类工程项目,获得收入。在运营组大家可以参与生态运营,获得收入。
一些已有成员的分享,大家可以参考:
【杂谈】有三AI季划的最核心价值在哪,听听这些同学怎么说!
【杂谈】我在有三AI从学生到老师
【杂谈】从学员到开发者,我在有三AI打怪升级
【杂谈】从学员到参与书籍写作,我在有三AI学习与成长的故事
【杂谈】从学员到专栏作者、讲师,我在有三AI学习与名利双收的故事
【杂谈】从学生到讲师,我如何20天里在有三AI赚3万
【杂谈】从失业到重要项目负责人,2020年里我如何在有三AI上岸
【杂谈】参加有三AI秋季划4个月,薪资翻倍,我在有三AI都学了啥?
【杂谈】一个五岁孩子妈妈在有三AI学习并且赚钱的故事
【杂谈】有三AI-CV春季划有用吗,听听他们的分享
【杂谈】从医学专业转行到AI,独立完成项目到获得加州理工大学读研推荐,我如何与有三AI结缘
(4) 线上线下答疑:包括有三的微信答疑和组织的线下活动和私人线下答疑。
如何参加GAN组
扫码下面的海报,即可订阅,订阅完成后请联系有三微信Longlongtogo,获得赠书,知识星球,以及答疑群等权限。如果已经拥有以上配置的课程,书籍,知识星球,可以相应抵扣原值。
PS:有三AI- CV夏季划成员,参加GAN组可享半价优惠,联系有三本人即可。
关于季划相关的问题,请直接联系有三微信Longlongtogo。
往期相关
【视频课】CV必学,超7小时,3大模块,3大案例,掌握图像翻译与风格化GAN核心技术!
【视频课】超8小时,5大模块,掌握基于GAN的图像增强应用(降噪色调映射去模糊超分辨修复)
【视频课】AI必学,超20小时,4大模块,循序渐进地搞懂CNN模型设计与简单部署!
【视频课】AI必学,超3小时,3大模块,掌握模型分析核心技术!
【视频课】AI必学,超10小时,4大模块,掌握模型优化核心技术!
【视频课】CV必学,超6小时,2大模块,循序渐进地搞懂GAN图像生成!
【视频课】CV必学,超30小时,4大模块,4大案例,循序渐进地搞懂目标检测!
【视频课】CV必学,超8小时,3大模块,3大案例,循序渐进地搞懂视频分类与行为识别!
【视频课】CV必学,超10小时,3大模块,4大案例,循序渐进地搞懂图像分割!
【视频课】CV必学,超10小时,3大模块,5大案例,循序渐进地搞懂图像分类理论与实践!
【视频课】快速掌握6大模型部署框架(Pytorch+NCNN+MNN+Tengine+TensorRT+微信小程序)!
【视频课】13小时+4大项目掌握深度学习人脸图像检测与识别
【视频课】超10小时,3大模块,掌握深度学习人脸属性编辑算法理论与实践
【CV秋季划】生成对抗网络GAN有哪些研究和应用,如何循序渐进地学习好(2022年言有三一对一辅导)?...相关推荐
- 【CV秋季划】生成对抗网络GAN有哪些研究和应用,如何循序渐进地学习好?
GAN的研究在这几年发展可以说是非常迅猛,已经被用于各个研究方向,其应用涉及图像与视频生成,数据仿真与增强,各种各样的图像风格化任务,人脸与人体图像编辑,图像质量提升. 那我们究竟如何去长期学好相关的 ...
- 【通知】《生成对抗网络GAN原理与实践》代码开源,勘误汇总!
有三上个月出版了新书<生成对抗网络GAN:原理与实践>,Generative Adversarial Networks(中文名生成对抗网络,简称GAN)自从被提出来后,其发展就非常迅猛,几 ...
- [论文阅读] (06) 万字详解什么是生成对抗网络GAN?经典论文及案例普及
<娜璋带你读论文>系列主要是督促自己阅读优秀论文及听取学术讲座,并分享给大家,希望您喜欢.由于作者的英文水平和学术能力不高,需要不断提升,所以还请大家批评指正,非常欢迎大家给我留言评论,学 ...
- 万字详解什么是生成对抗网络GAN
摘要:这篇文章将详细介绍生成对抗网络GAN的基础知识,包括什么是GAN.常用算法(CGAN.DCGAN.infoGAN.WGAN).发展历程.预备知识,并通过Keras搭建最简答的手写数字图片生成案. ...
- ECCV2022 | 生成对抗网络GAN论文汇总(图像转换-图像编辑-图像修复-少样本生成-3D等)...
图像转换/图像可控编辑 视频生成 少样本生成 图像外修复/结合transformer GAN改进 新数据集 图像增强 3D 图像来源归属分析 一.图像转换/图像可控编辑 1.VecGAN: Image ...
- 换脸方法大汇总:生成对抗网络GAN、扩散模型等
1.One-Shot Face Video Re-enactment using Hybrid Latent Spaces of StyleGAN2 StyleGAN的高保真人像生成,已逐渐克服了单样 ...
- [人工智能-深度学习-63]:生成对抗网络GAN - 图片创作:普通GAN, pix2pix, CycleGAN和pix2pixHD的演变过程
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客 本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...
- 简述一下生成对抗网络GAN(Generative adversarial nets)模型?
简述一下生成对抗网络GAN(Generative adversarial nets)模型? 生成对抗网络GAN是由蒙特利尔大学Ian Goodfellow在2014年提出的机器学习架构. 要全面理解生 ...
- 生成对抗网络gan原理_中国首个“芯片大学”即将落地;生成对抗网络(GAN)的数学原理全解...
开发者社区技术周刊又和大家见面了,萌妹子主播为您带来第三期"开发者技术联播".让我们一起听听,过去一周有哪些值得我们开发者关注的重要新闻吧. 中国首个芯片大学,南京集成电路大学即将 ...
最新文章
- php 正则中文匹配
- Pandas 基础 (3)—— 重新索引
- Bminer 7.0.0 ETH挖矿教程(Linux 64)
- Science:充满铵盐的环境依然发生固氮
- java 两个数交换问题
- 缓存技术比拼:Redis与Memcached的同与不同
- Android 的简介和体系结构中每个层的功能。
- 前端参数无法转为后端实体内部类_Spring Boot返回前端Long型丢失精度
- 01、python数据分析与机器学习实战——python数据分析处理库-Pandas
- 鼠标放到控件上 DIV悬浮提示效果(四种)
- 《淘宝网》质量属性简析
- curl记录响应时间
- 用EasyRecovery怎么恢复电脑中已删除的视频
- u3d_shader_surface_shader_2
- rman备份控制文件
- d盾web查杀 linux,D盾Web查杀
- gazebo 模型导入
- 如何获取最好权限删除顽固文件Mac系统
- UI设计流行渐变配色素材,轻松驾驭色彩
- ALU,半加器,全加器,减法电路