我相信你们大多数人都应该听说了GAN的强大。Gans也叫生成对抗网络由Ian Goodfellow于2014年推出，自那以后起火。他们专注于执行创造性任务，尤其是艺术创作。在2018年出现了大量基于GAN的项目，因此下面我们选择几个有趣的供大家学习。
让我们从我最喜欢的一个开始吧。我想让你花点时间欣赏上面的图片。你能说出哪一个是人做的，哪一个是机器做的？我当然不能。这里，第一帧是输入图像（原始），并且通过该技术生成了第三帧。该算法将您选择的外部对象添加到任何图像中，并设法使其看起来没有任何触摸它。请务必查看代码并尝试自己在不同的图像集上实现它。这真的非常有趣。
如果我给你一个图像并要求你通过想象捕获整个场景时的样子来扩展边界怎么办？你可以理解地转向一些图像编辑软件。但现在你可以用几行代码实现它！这个项目是Keras实施的斯坦福大学的图像修复论文（非常酷和插图论文 - 这是大多数研究论文的应用方式！）。您可以从头开始构建模型，也可以使用此存储库作者提供的模型。深度学习的奇迹永远不会停止令人惊讶。
Visualizing and Understanding GANs
如果您尚未掌握GAN，请尝试此项目。由麻省理工学院CSAIL部门的研究人员开创，它帮助您可视化和理解GAN。您可以通过检查和操纵它的神经元来探索GAN模型学到的东西。麻省理工学院的官方项目页面有足够的资源包括视频演示来让您熟悉这个项目。
此算法使您可以更改图像中任何人的面部表情。它和它一样令人兴奋。上面的图像位于原始绿色边框内，其余部分由GANimation生成。该项目github上有初学者指南，包括数据准备资源以及Python代码。
这个项目与我们之前看到的Deep Painterly Harmonization非常相似。它来自NVIDIA自己。如上图所示，FastPhotoStyle算法需要两个输入包括样式照片和内容照片。然后，该算法以两种方式之一工作以生成输出 - 它使用照片级真实感图像样式代码或使用语义标签映射。
个人微信公众号：python练手项目实战
更多机器学习算法的学习欢迎关注我的个人公众号，里面有更多机器学习与深度学习的文章，希望能和更多学习机器学习的伙伴相互交流和成长。
网友评论