分享背景
▼
生成式对抗网络(GAN)是近两年机器学习领域的新秀,被Yann LeCun称为"过去十年机器学习界最有趣的idea",目前已经得到广泛研究者的关注并且以高频论文数出现在各大顶会上,目前GAN在图像、视频、文字、语音等很多实际场景中均得到应用,是一种潜力巨大的理论模型。生成式对抗网络最初是以图像生成的形式出现在公众视野,本场公开课嘉宾将详细解读GAN的基本原理,并通过小实验在mnist数据库上通俗还原GAN的每一步实现过程,在此基础上再分享几篇GAN在图像风格转换领域应用的文章。
本系列公开课一共两场,本场为第一场GAN基础原理篇,后一场为GAN图像转换应用篇。
分享主题
▼
深度学习之星:GAN的原理
分享提纲
▼
1.介绍GAN的基本思想
2.详解GAN的目标函数与优化流程
3.实验实战GAN生成数字
4.总结GAN优势与当前难点
分享人简介
▼
陈俊,华中科技大学自动化学院硕士研究生,模式识别专业,研究兴趣包括:计算机视觉(视频理解、行为识别、目标检测与分类等)、深度学习、机器学习等。
分享时间
▼
北京时间11月23日(周四)20:00
参与方式
▼
扫描海报二维码添加社长微信,备注「陈俊」
如何选择机器学习模型?
如何提高选择算法的能力?
对于算法能力应该从哪块开始抓起?
欢迎报名算法进阶课程
算法推导+实操
双倍告诉你
▼▼▼
(不要等早鸟票过期了才后悔~)
复旦Ph.D沈志强:用于目标检测的DSOD模型(ICCV 2017)
点击阅读原文,立即报名~
▼▼▼