生成对抗网络（Generative Adversarial Networks，GANs）是一种由蒙特利尔大学的Ian Goodfellow等人在2014年提出的深度学习算法。GANs通过构建两个
2024-07-09 11:34
，因为它们往往会偏向保证多数类的准确率。为此，本文提出了一种基于生成对抗网络(GAN)的异常检测方法。这个方法中的生成器结构是“编码器–解码器–编码器”的三子网，并且训练该生成
2022-04-06 16:06
生成对抗网络由一个生成网络（Generator）与一个判别网络（Discriminator）组成。
2018-06-11 16:04
为了进一步提升深度图像压缩的质量，开发超越PSNR和MS-SSIM的新指标非常重要。其中重点关注的是对抗损失，最近的成果表明它能捕捉到全局的语义信息和局部纹理，产生强大的生成器，从而通过语义标签映射生成在视觉上吸引人
2018-04-17 16:28
原文链接 1 原理 对于生成对抗网络GAN，一个简单的理解是可以将其看做博弈的过程，我们可以将生成模型和判别模型看作博弈的双方，比如在犯罪分子造假币和警察识别假币的过程中： 生
2023-01-12 09:45
20.2. 深度卷积生成对抗网络¶ Colab [火炬]在 Colab 中打开笔记本 Colab [mxnet] Open the notebook in Colab Colab
2023-06-05 15:44
根据一些指标显示，关于生成对抗网络（GAN）的研究在过去两年间取得了本质的进步。
2019-04-29 11:01
生成对抗网络之父、前谷歌大脑著名科学家 Ian Goodfellow 正式宣布加盟苹果，他将在苹果公司领导一个「机器学习特殊项目组」。
2019-04-08 11:10
GANs真正的能力来源于它们遵循的对抗训练模式。生成器的权重是基于判别器的损失所学习到的。因此，生成器被它生成的图像所推动着进行训练，很难知道
2024-03-29 14:42
这篇 GAN 论文来自 NVIDIA Research，提出以一种渐进增大（progressive growing）的方式训练 GAN，通过使用逐渐增大的 GAN 网络（称为 PG-GAN）和精心
2019-03-20 09:02
