Real-ESRGAN超分辨网络
超分辨率论文阅读—Real-ESRGAN(2021ICCV) - 知乎Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data-----阅读阶段_MengYa_DreamZ的博客-CSDN博客虽然
使用GAN进行异常检测
GAN是一种深度学习模型，可以学习生成与给定数据集相似的真实数据样本。这一特性表明它们可以成功地用于异常检测
使用Pytorch实现频谱归一化生成对抗网络(SN-GAN)
自从扩散模型发布以来，GAN的关注度和论文是越来越少了，但是它们里面的一些思路还是值得我们了解和学习。所以本文我们来使用Pytorch 来实现SN-GAN
设置和使用DragGAN：搭建非官方的演示版
DragGAN的官方版还没有发布，但是已经有非官方版的实现了，我们看看如何使用。DragGAN不仅让GAN重新回到竞争轨道上，而且为GAN图像处理开辟了新的可能性。
Windows下faceswap的安装
（建议安装之前先把电脑上原有的anaconda和CUDA卸载掉然后重启一下电脑确保电脑没有它们）选择next进入下一页如下图所示，选择setup如果系统上没有检测到MiniConda3和Git，它们将在Faceswap之外自动安装。值得注意的是，如果安装过程中出现安装失败的任何情况，都可以选择删掉安
用CTGAN生成真实世界的表格数据
随着CLIP和稳定模型的快速发展，图像生成领域中GAN已经不常见了，但是在表格数据中GAN还是可以看到它的身影。
对抗生成网络GAN系列——DCGAN简介及人脸图像生成案例
前段时间，我已经写过一篇关于GAN的理论讲解，并且结合理论做了一个手写数字生成的小案例，对GAN原理不清楚的可以点击☞☞☞跳转了解详情。🌱🌱🌱GAN网络即是通过生成器和判别器的不断相互对抗，不断优化，直到判别器难以判断生成器生成图像的真假。 那么接下来我就要开始讲述DCGAN了喔
WGAN(Wasserstein GAN)看这一篇就够啦，WGAN论文解读
WGAN本作引入了Wasserstein距离，由于它相对KL散度与JS 散度具有优越的平滑特性，理论上可以解决梯度消失问题。接 着通过数学变换将Wasserstein距离写成可求解的形式，利用 一个参数数值范围受限的判别器神经网络来较大化这个形式， 就可以近似Wasserstein距离。WGAN既解
论文推荐：基于深度对抗学习的超声图像乳腺肿瘤分割与分类
条件GAN (cGAN) + Atrous卷积(AC) +带权重块的通道注意力(CAW)
WGAN(Wasserstein GAN)看这一篇就够啦，WGAN论文解读
WGAN本作引入了Wasserstein距离，由于它相对KL散度与JS 散度具有优越的平滑特性，理论上可以解决梯度消失问题。接 着通过数学变换将Wasserstein距离写成可求解的形式，利用 一个参数数值范围受限的判别器神经网络来较大化这个形式， 就可以近似Wasserstein距离。WGAN既解
对抗生成网络GAN系列——CycleGAN简介及图片春冬变换案例
在前面我们已经介绍过了最原始的GAN网络和DCGAN，这篇文章我将来为大家介绍CycleGAN，并且基于CycleGAN实现一个小demo——将一张图片进行季节转换，即从冬天变换到夏天和从夏天变换到冬天。🍹🍹🍹 大家已经看到了CycleGAN，应该对GAN已经有了一定的了解，因此我
对抗生成网络GAN系列——DCGAN简介及人脸图像生成案例
前段时间，我已经写过一篇关于GAN的理论讲解，并且结合理论做了一个手写数字生成的小案例，对GAN原理不清楚的可以点击☞☞☞跳转了解详情。🌱🌱🌱GAN网络即是通过生成器和判别器的不断相互对抗，不断优化，直到判别器难以判断生成器生成图像的真假。 那么接下来我就要开始讲述DCGAN了喔
对抗生成网络GAN系列——GAN原理及手写数字生成小案例
其实关于GAN的讲解我早就做过一期，点击☞☞☞了解详情🌱🌱🌱由于最近会用到GAN的一些知识，自己又对GAN进行了一些整理，有了一些新的认识，便写了这篇文章。那么这篇文章和早期的文章有什么区别呢？首先，早期的文章只是对GAN做了一个大概的认识，而这篇文章会贴合论文较为详细的讲解GAN网络；其次，
万物皆可GAN之初试pytorch神经网络
文章目录前言2.1MNIST图像数据集2.2获取MNIST数据集2.3数据预览2.4简单的神经网络2.5可视化训练2.6MNIST数据集类2.7训练分类器2.8查询神经网络2.9简易分类器的性能前言在上节中，我主要是讲了梯度这么一回事。讲了它是怎么样的一个东西，以及它对以后的工作会产生怎么样的一个影
万物皆可GAN之pytorch和神经网络
适用于小白的学习。
JoJoGAN One-Shot Face Stylization：使用 StyleGAN 创建 JoJo风格人脸头像
JoJoGAN 是一种One-Shot风格迁移模型，可让将人脸图像的风格迁移为另一种风格。
GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结
在图像生成方面GAN似乎成为了主流,但是自编码器（autoencoder）还是有很多的优势，所以本文对AE模型做一个全面详细得介绍和总结。
