生成對抗網(wǎng)絡(luò)入門指南

前言

第1章人工智能入門1

1.1人工智能的歷史與發(fā)展1

1.1.1人工智能的誕生3

1.1.2人工智能的兩起兩落6

1.1.3新時代的人工智能7

1.2機器學習與深度學習10

1.2.1機器學習分類11

1.2.2神經(jīng)網(wǎng)絡(luò)與深度學習12

1.2.3深度學習的應(yīng)用13

1.3了解生成對抗網(wǎng)絡(luò)15

1.3.1從機器感知到機器創(chuàng)造15

1.3.2什么是生成對抗網(wǎng)絡(luò)19

1.4本章小結(jié)20

第2章預(yù)備知識與開發(fā)工具21

2.1Python語言與開發(fā)框架21

2.1.1Python語言21

2.1.2常用工具簡介23

2.1.3第三方框架簡介26

2.2TensorFlow基礎(chǔ)入門27

2.2.1TensorFlow簡介與安裝27

2.2.2TensorFlow使用入門30

2.2.3Tensorflow實例：圖像分類31

2.3Keras基礎(chǔ)入門33

2.3.1Keras簡介與安裝33

2.3.2Keras使用入門34

2.3.3Keras實例：文本情感分析36

2.4　Floyd：使用深度學習云平臺運行程序38

2.4.1深度學習云平臺簡介38

2.4.2Floyd使用入門39

2.4.3Floyd實例：神經(jīng)網(wǎng)絡(luò)風格轉(zhuǎn)換43

2.5本章小結(jié)45

第3章理解生成對抗網(wǎng)絡(luò)46

3.1生成模型46

3.1.1生成模型簡介46

3.1.2自動編碼器47

3.1.3變分自動編碼器50

3.2GAN的數(shù)學原理52

3.2.1最大似然估計52

3.2.2生成對抗網(wǎng)絡(luò)的數(shù)學推導(dǎo)55

3.3GAN的可視化理解58

3.4GAN的工程實踐59

3.5本章小結(jié)67

第4章深度卷積生成對抗網(wǎng)絡(luò)68

4.1DCGAN的框架68

4.1.1DCGAN設(shè)計規(guī)則68

4.1.2DCGAN框架結(jié)構(gòu)72

4.2DCGAN的工程實踐73

4.3DCGAN的實驗性應(yīng)用79

4.3.1生成圖像的變換79

4.3.2生成圖像的算術(shù)運算81

4.3.3殘缺圖像的補全83

4.4本章小結(jié)85

第5章WassersteinGAN86

5.1GAN的優(yōu)化問題86

5.2WGAN的理論研究89

5.3WGAN的工程實踐92

5.4WGAN的實驗效果分析96

5.4.1代價函數(shù)與生成質(zhì)量的相關(guān)性96

5.4.2生成網(wǎng)絡(luò)的穩(wěn)定性97

5.4.3模式崩潰問題99

5.5WGAN的改進方案：WGAN-GP100

5.6本章小結(jié)104

第6章不同結(jié)構(gòu)的GAN105

6.1GAN與監(jiān)督式學習105

6.1.1條件式生成：cGAN105

6.1.2cGAN在圖像上的應(yīng)用106

6.2GAN與半監(jiān)督式學習110

6.2.1半監(jiān)督式生成：SGAN110

6.2.2輔助分類生成：ACGAN112

6.3GAN與無監(jiān)督式學習113

6.3.1無監(jiān)督式學習與可解釋型特征113

6.3.2理解InfoGAN115

6.4本章小結(jié)119

第7章文本到圖像的生成120

7.1文本條件式生成對抗網(wǎng)絡(luò)120

7.2文本生成圖像進階：GAWWN123

7.3文本到高質(zhì)量圖像的生成127

7.3.1層級式圖像生成：StackGAN128

7.3.2層級式圖像生成的優(yōu)化：StackGAN-v2132

7.4本章小結(jié)135

第8章圖像到圖像的生成136

8.1可交互圖像轉(zhuǎn)換：iGAN136

8.1.1可交互圖像轉(zhuǎn)換的用途136

8.1.2iGAN的實現(xiàn)方法138

8.1.3iGAN軟件簡介與使用方法140

8.2匹配數(shù)據(jù)圖像轉(zhuǎn)換：Pix2Pix143

8.2.1理解匹配數(shù)據(jù)的圖像轉(zhuǎn)換143

8.2.2Pix2Pix的理論基礎(chǔ)145

8.2.3Pix2Pix的應(yīng)用實踐150

8.3非匹配數(shù)據(jù)圖像轉(zhuǎn)換：CycleGAN157

8.3.1理解非匹配數(shù)據(jù)的圖像轉(zhuǎn)換157

8.3.2CycleGAN的理論基礎(chǔ)160

8.3.3CycleGAN的應(yīng)用實踐162

8.4　多領(lǐng)域圖像轉(zhuǎn)換：StarGAN166

8.4.1多領(lǐng)域的圖像轉(zhuǎn)換問題166

8.4.2StarGAN的理論基礎(chǔ)169

8.4.3StarGAN的應(yīng)用實踐171

8.5本章小結(jié)177

第9章GAN的應(yīng)用：從多媒體到藝術(shù)設(shè)計178

9.1GAN在多媒體領(lǐng)域的應(yīng)用178

9.1.1圖像去模糊178

9.1.2人臉生成181

9.1.3音頻合成184

9.2GAN與AI藝術(shù)188

9.2.1AI能否創(chuàng)造藝術(shù)188

9.2.2AI與計算機藝術(shù)的發(fā)展190

9.2.3藝術(shù)生成網(wǎng)絡(luò)：從藝術(shù)模仿到創(chuàng)意生成196

9.3GAN與AI設(shè)計202

9.3.1AI時代的設(shè)計202

9.3.2AI輔助式設(shè)計的研究205

9.4本章小結(jié)212

第10章GAN研究熱點213

10.1評估與優(yōu)化213

10.2對抗攻擊216

10.3發(fā)展中的GAN219

參考文獻222