Generativní adverzní sítě pro překlad obrazu do obrazu (Generative Adversarial Networks for Image-To-Image Translation)

Recenze čtenářů

Aktuálně nejsou k dispozici žádné recenze čtenářů. Hodnocení je založeno na 2 hlasů.

Původní název:

Generative Adversarial Networks for Image-To-Image Translation

Obsah knihy:

Generativní adverzní sítě (GAN) odstartovaly revoluci v oblasti hlubokého učení a dnes jsou GAN jedním z nejvíce zkoumaných témat v oblasti umělé inteligence. Kniha Generative Adversarial Networks for Image-to-Image Translation poskytuje ucelený přehled konceptu GAN (Generative Adversarial Network), počínaje původní sítí GAN a konče různými systémy založenými na GAN, jako jsou hluboké konvoluční GAN (DCGAN), podmíněné GAN (cGAN), StackGAN, Wassersteinovy GAN (WGAN), cyklické GAN a mnoho dalších.

Kniha čtenářům rovněž nabízí podrobné reálné aplikace a běžné projekty vytvořené pomocí systému GAN s příslušným kódem v jazyce Python. Typický systém GAN se skládá ze dvou neuronových sítí, tj. generátoru a diskriminátoru.

Obě tyto sítě mezi sebou soupeří podobně jako v teorii her. Generátor je zodpovědný za generování kvalitních obrázků, které by se měly podobat základní pravdě, a diskriminátor je zodpovědný za identifikaci, zda je generovaný obrázek skutečným obrázkem, nebo falešným obrázkem vygenerovaným generátorem.

Protože GAN patří mezi architektury založené na učení bez dohledu, je preferovanou metodou v případech, kdy nejsou k dispozici označená data. GAN dokáže generovat vysoce kvalitní obrazy, obrazy lidských tváří vytvořené z několika náčrtů, převádět obrazy z jedné oblasti do druhé, vylepšovat obrazy, kombinovat obraz se stylem jiného obrazu, měnit vzhled obrazu lidské tváře, aby se ukázaly účinky v průběhu stárnutí, generovat obrazy z textu a mnoho dalších aplikací.

GAN je užitečný při generování výstupu velmi blízkého výstupu generovanému člověkem ve zlomku sekundy a dokáže efektivně vytvářet vysoce kvalitní hudbu, řeč a obrázky.