【导读】慕尼黑大学开设的《高级深度学习》技术课程,重点介绍计算机视觉的前沿深度学习技术。最新一期介绍了《生成式对抗网络》进展,讲述了GAN的知识体系,值得关注。

成为VIP会员查看完整内容
0
98

相关内容

【导读】来自加州大学圣地亚哥分校《计算机视觉中的领域自适应》中生成式对抗网络GAN介绍

成为VIP会员查看完整内容
0
74

【导读】Pieter Abbeel 是加州大学伯克利分校的教授,伯克利机器人学习实验室的主任,其新开课程CS294深度无监督学习包含两个领域,分别是生成模型和自监督学习。这个15周的课程包含视频PPT能资源,有助于读者对深度学习无监督的理解。最新一期是生成式对抗网络Generative Adversarial Networks的课程,共有257页ppt,包括GAN, DC GAN, ImprovedGAN, WGAN, WGAN-GP, Progr.GAN, SN-GAN, SAGAN, BigGAN(-Deep), StyleGAN-v1,2, VIB-GAN, GANs as Energy Models,非常值得关注!

目录内容:

  • 隐式模型的动机和定义
  • 原始GAN (Goodfellow et al, 2014)
  • 评估: Parzen、Inception、Frechet
  • 一些理论: 贝叶斯最优鉴别器; Jensen-Shannon散度; 模式崩溃; 避免饱和
  • GAN进展
  • DC GAN (Radford et al, 2016)
  • 改进GANs训练(Salimans et al, 2016)
  • WGAN, WGAN- gp, Progressive GAN, SN-GAN, SAGAN
  • BigGAN, BigGAN- deep, StyleGAN, StyleGAN-v2, VIB-GAN
  • 创意条件GAN
  • GANs与申述
  • GANs作为能量模型
  • GANs与最优传输,隐式似然模型,矩匹配
  • 对抗性损失的其他用途:转移学习、公平
  • GANs和模仿学习
成为VIP会员查看完整内容
0
126

本课程涉及深度学习和表示学习的最新技术,重点是有监督和无监督的深度学习、嵌入方法、度量学习、卷积网和递归网,并应用于计算机视觉、自然语言理解和语音识别。

第五讲:

第六讲:

第七讲:

成为VIP会员查看完整内容
0
102
小贴士
相关论文
A Survey on Bayesian Deep Learning
Hao Wang,Dit-Yan Yeung
39+阅读 · 2020年7月2日
A Comprehensive Survey on Transfer Learning
Fuzhen Zhuang,Zhiyuan Qi,Keyu Duan,Dongbo Xi,Yongchun Zhu,Hengshu Zhu,Hui Xiong,Qing He
84+阅读 · 2019年11月7日
Bryan Wilder,Eric Ewing,Bistra Dilkina,Milind Tambe
4+阅读 · 2019年5月31日
Yongqin Xian,Saurabh Sharma,Bernt Schiele,Zeynep Akata
11+阅读 · 2019年3月25日
A Probe into Understanding GAN and VAE models
Jingzhao Zhang,Lu Mi,Macheng Shen
6+阅读 · 2018年12月13日
Adversarial Transfer Learning
Garrett Wilson,Diane J. Cook
9+阅读 · 2018年12月6日
Chunwei Tian,Yong Xu,Lunke Fei,Ke Yan
3+阅读 · 2018年10月11日
ClusterGAN : Latent Space Clustering in Generative Adversarial Networks
Sudipto Mukherjee,Himanshu Asnani,Eugene Lin,Sreeram Kannan
5+阅读 · 2018年9月10日
Antoine J. -P. Tixier
10+阅读 · 2018年8月30日
Liwei Cai,William Yang Wang
5+阅读 · 2018年2月20日
Top