gan

机器学习小小白1 个月前
人工智能·python·深度学习·神经网络·机器学习·生成对抗网络·gan
【机器学习实战】kaggle 欺诈检测---使用生成对抗网络（GAN）解决欺诈数据中正负样本极度不平衡问题【机器学习实战】kaggle 欺诈检测---如何解决欺诈数据中正负样本极度不平衡问题https://blog.csdn.net/2302_79308082/article/details/145177242
机器白学1 个月前
开源·gan
【从零开始使用系列】StyleGAN2：开源图像生成网络——环境搭建与基础使用篇（附大量测试图）StyleGAN2 是英伟达团队 NVIDIA 提出的生成对抗网络（GAN）的一种改进版本。它通过创新的网络架构，能够生成细节丰富、逼真的图像，特别在高频细节（如皮肤纹理、光照等）的表现上表现卓越。与传统 GAN 相比，StyleGAN2 显著减少了生成图像中的伪影，提升了图像质量，并支持在不同图像层次上精细控制风格，提供了更加自然和多样化的生成效果。
dundunmm2 个月前
论文阅读·算法·数据挖掘·聚类·gan·联邦聚类
【论文阅读】SDA-FC: Bridging federated clustering and deep generative model论文地址：SDA-FC: Bridging federated clustering and deep generative model - ScienceDirect
码上飞扬2 个月前
人工智能·rnn·cnn·gan
深入探索AI核心模型：CNN、RNN、GAN与Transformer在人工智能的飞速发展中，众多深度学习模型和算法不断涌现，推动了许多领域的进步。特别是在图像识别、自然语言处理、生成建模等方向，AI模型的应用越来越广泛。本文将介绍几种最常用的AI模型，包括卷积神经网络（CNN）、递归神经网络（RNN）、长短期记忆网络（LSTM）、生成对抗网络（GAN）和变换器（Transformer），并讨论它们的基本原理和应用场景。
goomind2 个月前
深度学习·神经网络·生成对抗网络·gan
GANs的训练策略尽管理论上存在唯一的解决方案，但由于多种原因，GANs训练很困难，而且往往不稳定。一个困难是，GANs的最优权重对应于损失函数的鞍点，而不是极小值。
江左子固2 个月前
gan·书籍阅读
《生成对抗网络项目实战》（一）大语言模型(LLM)与生成式人工智能(GenAI)指南 GAN 主要由两部分构成:生成网络和判别网络。每个网络都可以是任何神经网络，比如普通的人工神经网络(artificialneuralnetwork,ANN)、卷积神经网络(convolutionalneural networkCNN)循环神经网络(recurrentneuralnetwork,RNN)或者长短期记忆(long short term memory,LSTM)网络。判别网络则需要一些全连接层，并且以分类器收尾。
颜淡慕潇2 个月前
深度学习·gan
【深度学习】深入解析生成对抗网络（GAN）生成对抗网络（Generative Adversarial Networks, GAN）是一种通过对抗训练生成新数据的深度学习模型。自2014年由Ian Goodfellow等人提出以来，GAN已迅速成为生成模型领域的重要研究方向。GAN的核心思想是通过两个神经网络——生成器（Generator）和判别器（Discriminator）——的对抗过程，来生成与真实数据相似的新样本。本文将深入探讨GAN的基本原理、训练过程、变体及应用，以及面临的挑战和未来的发展方向。
学不会lostfound3 个月前
人工智能·深度学习·计算机视觉·gan·对抗学习
三、计算机视觉_09GAN对抗学习案例对抗学习（Adversarial Learning）是一种机器学习范式，它涉及到两个或多个模型在相互竞争的环境中进行训练，以提高各自的性能，这种学习方式的核心思想是通过对抗过程来激发模型的潜力，使它们在面对对手的挑战时不断进化和改进
好评笔记3 个月前
人工智能·深度学习·神经网络·机器学习·生成对抗网络·aigc·gan
深度学习笔记——生成对抗网络GAN本文详细介绍早期生成式AI的代表性模型：生成对抗网络GAN。生成对抗网络（Generative Adversarial Network, GAN）是一种生成模型，由 Ian Goodfellow 等人于 2014 年提出。GAN 通过两个网络——生成器（Generator）和判别器（Discriminator）之间的对抗训练，使得生成器能够生成逼真的数据，从而被判别器难以区分。GAN 已广泛应用于图像生成、图像修复、风格迁移、文本生成等任务。
PLUS_WAVE3 个月前
笔记·学习·gan·nerf·head avatar·头像·3dvision
EG3D: Efficient Geometry-aware 3D Generative Adversarial Networks 学习笔记混合显式-隐式网络架构：提出了一种 Tri-plane 的3D表征方法，结合显式体素网格与隐式解码器的优点
池央3 个月前
人工智能·机器学习·gan
解析生成对抗网络（GAN）：原理与应用目录一、引言二、生成对抗网络原理（一）基本架构（二）训练过程三、生成对抗网络的应用（一）图像生成无条件图像生成：
aiblog4 个月前
人工智能·gpt·深度学习·transformer·gan
基于Transformer的路径规划 - 第五篇 GPT生成策略_解码方法优化上一篇：基于Transformer的路径规划 - 第四篇 GPT模型优化在上一篇中，我尝试优化GPT路径生成模型，但没有成功。在随机生成的测试集上，路径规划成功率只有99%左右。而使用传统的路径规划算法，例如A*，路径规划成功率能达到100%。显然，如果想让模型具备一定的实用价值，还需要继续提升指标。在本篇中，我将尝试通过优化GPT生成策略（在有些文章中又称为解码策略）来提升路径规划成功率。
BulingQAQ5 个月前
论文阅读·深度学习·计算机视觉·gan
论文阅读：基于深度学习的肺肿瘤PET-CT图像融合三部分：编码器： （卷积层×2+最大池化层）×3每一 次卷积后都进行以 0 为均值，单位方差分布的归一化。 归一化之后再使用 LeakyReLU 函数进行激活。
BulingQAQ5 个月前
论文阅读·深度学习·生成对抗网络·计算机视觉·gan
论文阅读：PET/CT Cross-modal medical image fusion of lung tumors based on DCIF-GAN基于GAN的融合方法存在训练不稳定，提取图像的局部和全局上下文语义信息能力不足，交互融合程度不够等问题
xiandong205 个月前
图像处理·人工智能·深度学习·神经网络·生成对抗网络·php·gan
240925-GAN生成对抗网络GAN，顾名思义，gan……咳咳，就是干仗嘛（听子豪兄的课讲说这个名字还真的源于中文这个字），对应的就有两方，放在这里就是有两个网络互相对抗互相学习。类比武林高手切磋，都是高手惺惺相惜，打架只分胜负，不决生死，今天你打赢了，我回去总结一下复盘一下，想想怎么应对，明天我打赢了，你又回去总结经验，然后继续打下去。
BulingQAQ5 个月前
论文阅读·深度学习·计算机视觉·gan
论文阅读：多模态医学图像融合方法的研究进展多模态融合技术可将多模态的医学图像融合到单模态的图像中，且单模态图像具有多种模态图像间的互补信息， 从而在单一图像中得到充足的便于临床诊断的信息。
F_D_Z5 个月前
人工智能·深度学习·生成对抗网络·计算机视觉·gan
【GAN】生成对抗网络Generative Adversarial Networks理解摘要【Pytorch】生成对抗网络实战_pytorch生成对抗网络-CSDN博客【损失函数】KL散度与交叉熵理解-CSDN博客
前行居士6 个月前
人工智能·python·深度学习·神经网络·机器学习·生成对抗网络·gan
循环生成对抗网络 Cycle GAN把GAN用在无监督学习 上。到目前为止呢，我们介绍的几乎都是监督学习，即我们要训练一个网络，其输入是x，输 出为y，并且我们需要成对的数据才有办法训练网络。但是我们可能会遇到一个状况是，我们 有一系列的输入和输出，但是x和y之间并没有成对的关系，也就是说我们没有成对的数据。 举一个例子，比如图像风格转换的情况我们就没有成对的数据。我们有一系列真实的照片，然 后有一些动漫的头像，我们希望可以把真实的照片转换成动漫的头像。具体来讲，假设我们要训练一个深度学习的网络，它要做的事情是把x域的真人照片，转换为y域的
锋.谢6 个月前
人工智能·机器学习·生成对抗网络·gan·生成式人工智能
了解生成对抗网络 (GAN)人工智能 (AI) 和机器学习 (ML) 已经彻底改变了从医疗保健到娱乐等许多领域。近年来最令人兴奋的发展之一是生成对抗网络 (GAN)。GAN 因其能够生成逼真的图像、视频甚至音乐而广受欢迎。本博客旨在为初学者提供一份指南，帮助他们了解 GAN、其组件、工作原理及其应用。
知来者逆7 个月前
人工智能·深度学习·神经网络·web安全·生成对抗网络·gan
探索GAN 在改善网络安全方面的作用网络安全威胁正以前所未有的速度发展，攻击者不断开发更复杂的方法来突破防御。这种快速升级需要先进的防御机制来跟上不断变化的形势。