附件:设置1:设置2:设置3:本书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, GAN被广泛地应用在学术研究和工程领域, 包括图像处理, 如图像生成、图像转换、视频合成等 ; 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、医学图像细分、隐写术、持续学习 (深度学习重放) 等。摘要:
附注提要
本书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, GAN被广泛地应用在学术研究和工程领域, 包括图像处理, 如图像生成、图像转换、视频合成等 ; 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、医学图像细分、隐写术、持续学习 (深度学习重放) 等。