生成对抗网络的项目代码

m22237_37841136 24 0 ZIP 2019-06-05 02:06:45

用jupyterpython实现的一个生成对抗网络的项目，实现生成手写数字图片，相关代码及数据集都有

推荐下载

基于pytroch的深度学习练手应用,主要内容是应用生成对抗式神经网络自动生成动漫人物头像,以达到以假乱真的效果。

现有的生成对抗网络(Generative Adversarial Networks,GAN)损失函数已经被成功地应用在迁移学习方法中。然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克

适用于嵌入式平台的E-YOLO人脸检测网络研究

甘伯特论文代码GAN-BERT:具有健壮标签分类示例的生成式对抗性学习和一堆带标签的示例已在2020年ACL上发表-Danilo Croce (罗马大学Tor Vergata),朱塞佩·卡斯特鲁奇(

本教程分享了深度学习中GAN生成对抗网络的入门及实战经验,讲解了GAN的基本原理和常见变体,并附带了Tensorflow2.0代码实现示例。快来学习吧!

雾霾是一种非常普遍的现象,会降低或降低可见度。在需要高质量图像的情况下,它会引起各种问题,例如流量和安全监控。因此,从场景中去除雾霾是获得清晰视野的迫切需求。最近,除了常规的除雾机制外,还应用了

Chainer实现基于样式的生成对抗网络生成器体系结构

GAN简介 GAN(Generative Adversarial Networks)是在无监督机器学习中使用的模型,由两个神经网络在零和游戏框架中相互竞争的系统实现。它是由Ian Goodfello

Matlab的简单GAN基础:基于matlab的简单的生成对抗网络

提出一种用于短波红外人脸图像与可见光人脸图像翻译的改进CycleGAN框架。基于CycleGAN框架,新增了损失函数计算通路并设计了新损失函数。建立数据集并通过实验调整模型参数,改进模型在人脸图像上的

用户评论

请输入评论内容

评分：

暂无评论