【Udemy中英字幕】Generative Adversarial Networks (GANs): Complete Guide

生成对抗网络 (GAN)：完整指南

深度学习和计算机视觉使用世界上最具革命性的技术之一来实施项目！

讲师：Jones Granatyr

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将学到什么

了解 GAN 的基本直觉
使用 DCGAN 和 WGAN 生成数字 (0 – 9) 的图像
使用 Pix2Pix 架构将卫星图像转换为地图
使用 CycleGAN 架构将斑马变成马
在图像之间传递样式
使用 ESRGAN 架构应用超分辨率来提高图像质量
使用 StyleGAN 创建高质量和清晰度的新面孔
通过文字描述生成图像
使用 GFP-GAN 恢复旧照片
使用 Boundless 架构完成图像缺失部分
生成 Deepfakes 以使用 SimSwap 交换面孔

要求

编程逻辑
基础Python编程
了解神经网络是可取的，但不是强制性的

描述

GAN（生成对抗网络）被认为是深度学习和计算机视觉领域最现代、最迷人的技术之一。他们因为可以创建虚假内容而获得了很多关注。最经典的例子之一就是创造现实世界中不存在的人来用来播放电视节目。这项技术被认为是人工智能领域的一场革命，可产生高质量的结果，仍然是最流行和最相关的主题之一。

在本课程中，您将学习生成对抗网络的基本直觉，主要是最现代架构的实际实现！本课程被认为是完整的指南，因为它介绍了从最基本的概念到最现代和最先进的技术的所有内容，因此最终您将拥有构建自己的项目所需的所有工具！请参阅下面的一些您将逐步实施的项目：

创建 0 到 9 的数字
将卫星图像转换为地图图像，如 Google 地图风格
将绘图转换为高质量照片
使用马图像创建斑马
使用梵高、塞尚和浮世绘等著名艺术家的画作在图像之间转移风格
提高低质量图像的分辨率（超分辨率）
生成高质量的 Deepfakes（假脸）
通过文字描述创建图像
恢复旧照片
补全图像缺失部分
交换不同环境中的人的面孔

为了实现这些项目，您将学习几种不同的 GAN 架构，例如：DCGAN（深度卷积生成对抗网络）、WGAN（Wassertein GAN）、WGAN-GP（Wassertein GAN 梯度惩罚）、cGAN（条件 GAN）、Pix2Pix （图像到图像）、CycleGAN（循环一致对抗网络）、SRGAN（超分辨率 GAN）、ESRGAN（增强型超分辨率 GAN）、StyleGAN（基于样式的 GAN 生成器架构）、VQ-GAN（矢量量化生成器） Adversarial Network）、CLIP（对比语言-图像预训练）、BigGAN、GFP-GAN（生成面部先验 GAN）、Unlimited GAN（无边界）和 SimSwap（简单交换）。

在课程中，我们将在线使用Python编程语言和Google Colab，因此您不必担心在自己的机器上安装和配置库！超过 100 场讲座和 16 小时的视频！