对抗生成网络学习（九）——CartoonGAN+爬虫生成《言叶之庭》风格的影像(tensorflow实现)-附件资源

基于从一张给定年龄的人脸输入图片准确预测出该人老龄化后的人脸图片，并且保持身份的目的，采用了基于条件对抗神经网络的无监督跨领域框架，然后将此框架应用到人脸身份保持的老龄化的任务中的方法。所采用的对抗神经网络通过预训练的人脸识别网络提取源图片的特征，然后将目标年龄信息附加在嵌入式特征空间里，并且送往生成器，随之施加了身份保持的约束。所提出的算法在生成CACD人脸数据集的老化人脸生成实验上产生了高质量，并且保持住身份信息的人脸图片，同时，在人脸跨年龄分类任务上取得了2.64%的识别率增益，进而验证了算法的高准确率和有效性。

StarGAN: 面向跨域图像变换的统一对抗生成网络，可实现面部表情/性别迁移

使用对抗生成网络，来实现超分辨率。使用imagenet的部分数据。摒弃了用均方误差和信噪比来优化参数。

对抗生成网络学习（九）——CartoonGAN+爬虫生成《言叶之庭》风格的影像(tensorflow实现)-附件资源

为了实现遥感图像中目标的快速准确检测,解决遥感图像目标带有旋转角度的问题,在卷积神经网络理论的基础上,将旋转区域网络生成融入到Faster R-CNN网络中,提出了一种基于Faster R-CNN改进的遥感图像目标检测方法。相对于主流目标检测方法,本文算法针对遥感图像中的大多数目标都具有方向性不定且相对聚集的特点,在区域候选网络中加入了旋转因子,以便能够生成任意方向的候选区域;同时,在网络的全连接层之前增加一个卷积层,以降低其特征图参数,增强分类器的性能,避免出现过拟合。将本文算法与几种主流目标检测方法进行对比分析后可知,本文算法因融合了多尺度特征及旋转区域网络的卷积神经网络所提取的特征,能得到更好的检测结果。

对抗生成网络学习（十）——attentiveGAN实现影像去雨滴的过程(tensorflow实现)-附件资源

深度学习-对抗生成网络实战(GAN)课程，全程实战解读各大经典GAN模型构建与应用方法，通俗讲解论文中核心知识点与整体网络模型架构，从数据预处理与环境配置开始详细解读项目源码及其应用方法。提供课程所需全部数据，代码，PPT。 第1章 对抗生成网络架构原理与实战解析 第2章 基于CycleGan开源项目实战图像合成 第3章 stargan论文架构解析 第4章 stargan项目实战及其源码解读 第5章 基于starganvc2的变声器论文原理解读 第6章 starganvc2变声器项目实战及其源码解读 第7章 图像超分辨率重构实战 第8章 基于GAN的图像补全实战 第9章 基础补充-PyTorch卷积模型实例

深度学习-对抗生成网络实战(GAN).zip

基于对抗生成网络的纹理合成方法，山东大学计算机学院2016级毕设论文，查重率10%以下，可参考，引用请说明。