Réseaux adversoriels génératifs pour la traduction d'image à image

Note :   (1,0 sur 5)

Réseaux adversoriels génératifs pour la traduction d'image à image (Arun Solanki)

Avis des lecteurs

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.

Titre original :

Generative Adversarial Networks for Image-To-Image Translation

Contenu du livre :

Les réseaux adversoriels génératifs (GAN) ont déclenché une révolution dans le domaine de l'apprentissage profond, et aujourd'hui les GAN sont l'un des sujets les plus étudiés dans le domaine de l'intelligence artificielle. Generative Adversarial Networks for Image-to-Image Translation fournit une vue d'ensemble du concept GAN (Generative Adversarial Network), depuis le réseau GAN original jusqu'aux différents systèmes basés sur les GAN, tels que les Deep Convolutional GANs (DCGANs), les Conditional GANs (cGANs), StackGAN, les Wasserstein GANs (WGAN), les GANs cycliques, et bien d'autres encore.

Le livre fournit également aux lecteurs des applications détaillées du monde réel et des projets communs construits en utilisant le système GAN avec le code Python correspondant. Un système GAN typique se compose de deux réseaux neuronaux, à savoir le générateur et le discriminateur. Ces deux réseaux entrent en compétition l'un avec l'autre, comme dans la théorie des jeux.

Le générateur est chargé de produire des images de qualité qui doivent ressembler à la vérité de terrain, et le discriminateur est chargé d'identifier si l'image générée est une image réelle ou une fausse image générée par le générateur. Étant l'une des architectures basées sur l'apprentissage non supervisé, le GAN est une méthode privilégiée dans les cas où des données étiquetées ne sont pas disponibles.

Le GAN peut générer des images de haute qualité, des images de visages humains élaborées à partir de plusieurs croquis, convertir des images d'un domaine à un autre, améliorer des images, combiner une image avec le style d'une autre image, modifier l'apparence d'une image de visage humain pour montrer les effets de la progression du vieillissement, générer des images à partir de texte, et bien d'autres applications encore. Le GAN permet de générer des résultats très proches de ceux générés par les humains en une fraction de seconde, et il peut produire efficacement de la musique, de la parole et des images de haute qualité.

Autres informations sur le livre :

ISBN :9780128235195
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2021
Nombre de pages :444

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Réseaux adversoriels génératifs pour la traduction d'image à image - Generative Adversarial Networks...
Les réseaux adversoriels génératifs (GAN) ont...
Réseaux adversoriels génératifs pour la traduction d'image à image - Generative Adversarial Networks for Image-To-Image Translation
Manuel de recherche sur les tendances émergentes et les applications de l'apprentissage automatique...
Il fournit une compréhension de haut niveau des...
Manuel de recherche sur les tendances émergentes et les applications de l'apprentissage automatique - Handbook of Research on Emerging Trends and Applications of Machine Learning
Applications de la blockchain et des systèmes Big IoT : Solutions numériques pour diverses...
Ce nouveau volume explore une pléthore de solutions...
Applications de la blockchain et des systèmes Big IoT : Solutions numériques pour diverses industries - Applications of Blockchain and Big IoT Systems: Digital Solutions for Diverse Industries
L'internet des drones : Applications de l'IA pour des solutions intelligentes - The Internet of...
Ces dernières années, les drones ont été intégrés...
L'internet des drones : Applications de l'IA pour des solutions intelligentes - The Internet of Drones: AI Applications for Smart Solutions

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)