Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Generative Adversarial Networks for Image-To-Image Translation
Generative Adversarial Networks (GAN) haben eine Revolution im Deep Learning ausgelöst, und heute ist GAN eines der meist erforschten Themen in der Künstlichen Intelligenz. Generative Adversarial Networks for Image-to-Image Translation bietet einen umfassenden Überblick über das GAN-Konzept (Generative Adversarial Network), angefangen vom ursprünglichen GAN-Netzwerk bis hin zu verschiedenen GAN-basierten Systemen wie Deep Convolutional GANs (DCGANs), Conditional GANs (cGANs), StackGAN, Wasserstein GANs (WGAN), zyklische GANs und viele mehr.
Das Buch bietet den Lesern auch detaillierte reale Anwendungen und gemeinsame Projekte, die unter Verwendung des GAN-Systems mit entsprechendem Python-Code erstellt wurden. Ein typisches GAN-System besteht aus zwei neuronalen Netzen, d. h.
Generator und Diskriminator. Diese beiden Netze konkurrieren miteinander, ähnlich wie in der Spieltheorie.
Der Generator ist für die Erzeugung von Qualitätsbildern zuständig, die der Grundwahrheit ähneln sollten, und der Diskriminator ist dafür verantwortlich, zu erkennen, ob das erzeugte Bild ein echtes Bild oder ein vom Generator erzeugtes gefälschtes Bild ist. Als eine der auf unüberwachtem Lernen basierenden Architekturen ist GAN eine bevorzugte Methode in Fällen, in denen keine beschrifteten Daten verfügbar sind.
GAN kann qualitativ hochwertige Bilder erzeugen, Bilder von menschlichen Gesichtern, die aus mehreren Skizzen entwickelt wurden, Bilder von einem Bereich in einen anderen konvertieren, Bilder verbessern, ein Bild mit dem Stil eines anderen Bildes kombinieren, das Aussehen eines menschlichen Gesichtsbildes ändern, um die Auswirkungen des Alterungsprozesses zu zeigen, Bilder aus Text erzeugen und viele weitere Anwendungen. GAN ist hilfreich bei der Erzeugung von Ergebnissen, die den von Menschen erzeugten Ergebnissen in einem Bruchteil einer Sekunde sehr nahe kommen, und es kann effizient hochwertige Musik, Sprache und Bilder erzeugen.