绑定手机号
获取验证码
确认绑定
提问
0/255
提问
订阅开课提醒需关注服务号
回答成功
知道了
扫码关注智东西公开课服务号登录
请使用微信扫描二维码
扫描二维码分享给微信好友
您已订阅成功,有新课程,我们将第一时间提醒您。
知道了
发送提问成功
回答可在
“我的——我的提问”中查看
知道了
失败
欢迎来智东西
关注我们
智东西
车东西
芯东西
智东西公开课
基于双投影判别器的条件生成对抗网络
生成对抗网络GAN专题讲座 2021/12/07 10:00:00
课程讲师
韩立功 罗格斯大学 在读博士

研究方向包括深度学习,生成模型,对抗生成网络;在ICCV、ICLR、AAAI等会议上发表多篇论文。

韩立功
罗格斯大学 在读博士

研究方向包括深度学习,生成模型,对抗生成网络;在ICCV、ICLR、AAAI等会议上发表多篇论文。

课程提纲
  • 条件生成对抗网络(cGAN)的研究现状
  • cGAN中的数据拟合和标签拟合
  • 双投影生成对抗网络P2GAN
  • 在图像生成等任务上的应用
  • 与相关文献的比较讨论及未来展
课程简介

条件对抗生成网络(cGAN)通过将条件信息引入到GAN的生成器和判别器中,来生成可以生成符合给定条件的图像。不同cGAN的区别在于条件信息(数据和标签)在判别器中的结合方式。

对于判别器,引入条件信息的方法有两个:一个是直接将标签和数据一起作为网络的输入,另一个是将标签引入到一个辅助分类器。前者是在拟合条件数据分布 ,是数据拟合;而后者在拟合类别分布,是标签拟合。

在训练稳定的cGAN模型中,数据拟合是最常采用的方式。但在提升生成图像的质量上,虽然没有实验证明标签拟合发挥的作用,但从不同类别的特征,映射到同一点变得不可分时,判别器不会为生成器提供有用的指导可以看出:适当的标签拟合有利于图像生成。因此,如何平衡训练过程中的数据拟合和标签拟合呢?

12月7日早10点,罗格斯大学在读博士韩立功将围绕《基于双投影判别器的条件对抗生成网络》这一主题带来直播讲解。韩博是罗格斯大学在读博士,研究方向包括深度学习,生成模型,对抗生成网络,并在ICCV、ICIL、AAAI等会议上发表多篇论文。

在本次讲座中,韩立功博士提出了一个双投影判别器的条件对抗生成网络P2GAN,利用投影判别器灵活的特性,自适应的平衡训练过程中的数据拟合和标签拟合。

本次讲座将在智东西公开课知识店铺进行,包含主讲和问答两个部分,其中主讲环节40分钟,问答环节20分钟。本次讲座已组建交流群,并邀请韩立功博士加入,欢迎感兴趣的朋友申请。

精彩问答
提问
提问
目前还没有问题,可以点击右侧的“提问按钮”提问
更多问题...