GAN生成对抗神经网络原理与实践

作品编号：HWK227313

作者：李明军

出版社：北京大学出版社

出版年：2021-05-01

定价：79.0

ISBN：9787301321164

开本：16开

页数：296

火悟空打分

0.0

共有0人进行评价

我要评价 添加到盒子

GAN生成对抗神经网络原理与实践 本书特色

1.概览全景：首先，本书对GAN进行全景式的介绍，让读者能够了解GAN的技术起源、在应用领域的发展演变过程、在技术上面临的主要挑战，以及解决这些挑战的思路和对策。
2. 详解原理：其次，本书详细介绍了GAN的基本原理，即通过生成模型（Generative Model，G）和判别模型（Discriminative Model，D）的相互对抗，*终实现生成模型具备生成足够逼真的高维度数据（如图像或音乐）的能力。
3. 案例丰富：*后，本书介绍了几种常用的、有代表性的GAN模型实战，包括原始的GAN、DCGAN（基于深层卷积网络的GAN）、CGAN（有条件约束的GAN）、InfoGAN（自动捕获图像中关键特征的GAN）、SGAN（多层堆叠的GAN）、CycleGAN（循环一致的GAN）等。这些GAN模型涵盖了GAN在发展演变过程中各个阶段面临的挑战与对策，可让读者掌握各种各样的GAN的关键原理和实战代码。

GAN生成对抗神经网络原理与实践 内容简介

生成对抗神经网络（Generative Adversarial Nets，GAN）作为一种深度学习框架，发展十分迅猛。通过相互对抗的神经网络模型，GAN能够生成结构复杂且十分逼真的高维度数据。因此，被广泛应用于学术研究和工程领域，包括图像处理，如图像生成、图像转换、视频合成；序列数据生成，如语音生成、音乐生成等；以及其他众多领域，如迁移学习、医学图象细分、隐写术、持续学习（深度学习重放）等。
GAN的技术较为复杂，细分领域众多，发展十分迅猛，因此，需要一个科学有效的学习方法。首先，需要了解GAN的全景，对GAN的发展脉络和各个细分领域都有所了解，在面对各种各样的应用场景时能够胸有成竹。其次，掌握生成对抗的基本原理，以及实现生成对抗的关键技术，在面对GAN领域出现的各种新理念、新技术时能够追本溯源，从容应对。很后，再针对关键的GAN进行深入研究。本书正是按照上述方式来组织的。让有志于学习研究GAN的读者快速入门并掌握GAN的关键技术，是写作本书的初衷。