课程介绍

课程以GAN论文阅读与复现为引,对GAN、DCGAN、WGAN、ConditionalGAN、GANs、CycleGAN这6类GAN模型进行了深入剖析,并完美的复现了其典型的应用代码,让你深入的理解各类图像生成、深度学习算法,掌握AI换脸、AI作画、文物修复等应用的核心原理,助你建立完整的GAN知识体系,踏实的进入图像生成领域。



GAN生成对抗网络

入门到精通

你在工作或学习中可能会遇到这样的问题

  • 学习过深度学习、机器学习相关知识,但不知道如何自主的提高自己
  • 能够调用深度学习框架,但没办法从零构建出完整的深度学习模型
  • 对图像生成,例如AI换脸、AI作画感兴趣,但不知道如何入门
  • 阅读过深度学习相关论文或相关教程,但无法复现论文的算法或关键思想

17篇顶会论文阅读与代码零基础复现,助你搭建完整的GAN知识体系

  • 数字图像生成任务(复现GAN)
  • 二次元人物图像生成应用(复现DCGAN)
  • 提升GANs效果(复现WGAN)
  • 可控二次元人物生成应用(复现ConditionalGAN)
  • 可分离的图像生成应用(复现GANS)
  • 图像风格转换应用(复现CycleGAN)

DCGAN二次元图片生成应用

Conditional GAN可控图像生成应用

非监督图像风格迁移应用

Cycle GAN更换头发颜色趣味应用

AI换脸应用之二次元人物换脸

学习收获

  • 建立完整的GAN知识体系,踏实的进入图像生成领域



  • 深入的理解各类图像生成、深度学习算法,掌握AI换脸、AI作画、文物修复等应用的核心原理



  • 学会系统性的阅读并复现GAN网络的各类核心论文



  • 掌握成体系的自主学习方法论,在之后的工作和学习中可以扎实而自主的复现各类经典算法

适合人群

Suits the crowd





技术储备要求

Technical reserve requirement



  • 能够使用Python、TensorFlow,了解基本的机器学习、深度学习知识,并有一定的英文阅读能力与数学基础。
  • 对深度学习、机器学习感兴趣
  • 想入门生成对抗网络,但对GAN、DCGAN、WGAN等仅在了解阶段
  • 工作中遇到图像生成、图片识别等相关问题,空有一身武功却无从下手
  • 对深度学习、机器学习等论文阅读有需求,想要复现论文代码的同学

学员专享增值服务

  • 随到随学

    随时随地皆可学习,无需等待,使你的学习更灵活更高效

  • 问答讨论

    提供便捷的问答讨论区,答疑解惑,使你快速提升顺利完成学习

  • 源码开放

    提供全部课程源码,保障你的实操练习更加高效

  • 配套资料

    高度契合的配套讲义、课件、等其他资料,保证你全方位的理解知识,掌握技能

师资

杜老师

  • 昆明市数据科学与智能计算重点实验室研究员
  • 专注机器学习、深度学习、图像识别、自然语言处理等研究
  • 著有《深度学习实战》一书,发明专利一项,高水平论文数篇
  • 作为主要人员先后参加两项国家自然基金,1项云南省重点项目(深度学习、卷积网络方向)