PythonPyTorch中的语音增强生成对抗网络

将迁移学习和GAN生成对抗网络结合的一篇论述。

提出了一种应用于红外目标仿真的模型。利用训练后的条件深度卷积生成对抗网络,只需输入随机噪声和类别标签,便能够自动产生预期类别的红外目标仿真图像。在手写数字数据集(MNIST)和红外数据集上分别训练模型

迁移排序学习是信息检索领域中一个重要的研究方向，它利用带标签的源域数据来解决没有标签目标域数据的排序问题。已有的迁移排序学习方法并没有直接解决源域与目标域的数据分布不一致的问题。因此，提出了一个双循环

基于生成对抗网络的异质人脸图像合成:进展与挑战

生成压缩 TensorFlow实现,用于使用生成对抗网络来学习图像压缩。 该方法由Agustsson等开发。 等基于。 提出的想法非常有趣,并且对它们的方法进行了详细描述。 用法 代码取决于 # Cl

随着深度学习的快速发展, 生成式模型领域也取得了显著进展. 生成对抗网络(Generative adversarial network, GAN)是一种无监督的学习方法, 它是根据博弈论中的二人零和博

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

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

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。