|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/guia-completo-gans-redes-adversarias-generativas/
课程评论：没有评论
课程名称：关于生成对抗网络（GANs）的完整指南 课程概述：生成对抗网络（GANs）是深度学习和计算机视觉领域中最现代和迷人的技术之一。因其能够生成虚假内容而受到媒体的广泛关注，例如创造不存在于现实世界中的人来播报新闻。该技术被认为是人工智能领域的一场革命，能够生成高质量的结果，同时保持其作为热门和相关主题的地位。 本课程提供基础理论和实践操作，涵盖最新的GAN架构，保证学员在课程结束时具备独立构建项目的能力。课程内容包括按步骤实施多个项目，例如： - 生成数字（0到9） - 卫星图像转化为地图格式（谷歌地图风格） - 将简笔画转化为高质量照片 - 使用马的图像生成斑马 - 在图像间进行风格迁移，借助著名艺术家的画作 - 提升低质量图像的分辨率（超分辨率） - 生成高质量的深度伪造（deepfakes） - 生成不真实的猫和汽车图像 - 基于文本描述生成图像 - 修复老照片 - 补全缺失的图像部分 - 在不同环境中交换人物面孔 为实现这些项目，课程讲解多种GAN架构，包括DCGAN、WGAN、WGAN-GP、cGAN、Pix2Pix、CycleGAN、SRGAN、ESRGAN、ProGAN、StyleGAN、StackGAN、AttnGAN、BigGAN、GFP-GAN等。在课程中，学员将使用Python编程语言和在线Google Colab环境，免去本地安装和配置库的麻烦，课程设置超过110节课和16小时的视频内容。
As GANs (Generative Adversarial Networks - Redes Adversárias Generativas) são consideradas uma das tecnologias mais modernas e fascinantes dentro da área de Deep Learning e Visão Computacional. Elas tem ganhado bastante destaque na mídia por terem a característica de gerarem conteúdo falso (fake). Um dos exemplos mais clássicos é a criação de pessoas que não existem no mundo real para transmitirem telejornais e lerem as notícias, ou seja, a GAN consegue criar uma pessoa para falar com o telespectador. Essa tecnologia é considerada uma revolução na área de Inteligência Artificial por produzir resultados de alta qualidade, mantendo-se como um dos temas mais populares e relevantes.Para levar você até essa área, neste curso você terá uma visão teórica básica e principalmente prática sobre as principais e mais modernas arquiteturas de GANs! Este curso é considerado um guia completo pelo fato de apresentar desde conceitos mais básicos até técnicas mais modernas e avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir seus próprios projetos! Veja abaixo alguns dos projetos que serão implementados passo a passo:Geração dos dígitos de 0 até 9Transformação de imagens de satélite em imagens no formato de mapas, no estilo do Google MapsTransformação de desenhos (ou somente rabiscos) em fotos de alta qualidadeGerar zebras utilizando images de cavalosTransferir estilos entre imagens, utilizando pinturas de artistas famosos como Van Gogh, Cezanne e Ukiyo-eAumentar a resolução de imagens com baixa qualidade (super resolução)Gerar deepfakes (faces falsas) com alta qualidade Gerar imagens de gatos e carros que não existem no mundo realCriar imagens por meio de descrições textuaisRestaurar fotos antigasCompletar partes faltantes de imagensTrocar o rosto de pessoas que estão em ambientes diferentesPara implementar esses projetos, você aprenderá várias arquiteturas diferentes de GANs, como por exemplo: DCGAN (Deep Convolutional Generative Adversarial Network), WGAN (Wassertein GAN), WGAN-GP (Wassertein GAN-Gradient Penalty), cGAN (conditional GAN), Pix2Pix (Image-to-Image), CycleGAN (Cycle-Consistent Adversarial Network), SRGAN (Super Resolution GAN), ESRGAN (Enhanced Super Resolution GAN), ProGAN (Progressively Growing GAN), StyleGAN (Style-Based Generator Architecture for GANs), StackGAN (Stacked GANs), AttnGAN (Fine-Grained Text to Image Generation with Attentional GANs), BigGAN, GFP-GAN (Generative Facial Prior GAN), GAN ilimitada (Boundless) e SimSwap (Simple Swap).Durante o curso, vamos utilizar a linguagem de programação Python e o Google Colab on-line, ou seja, você não precisa se preocupar com instalações e configurações de bibliotecas na sua própria máquina! São mais de 110 aulas e 16 horas de vídeos!
