【Coursera中英字幕】Generative Adversarial Networks (GANs) Specialization

• 类别：计算机图形学术语表
  计算机图形学术语表
• 类别： 发电机
  发电机
• 类别：图像到图像翻译
  图像到图像的翻译
• 类别：生成对抗网络
  生成对抗网络
• 类别：鉴别器
  鉴别器

关于 GAN

生成对抗网络 (GAN) 是强大的机器学习模型，能够生成逼真的图像、视频和语音输出。

植根于博弈论，GAN 具有广泛的应用：从通过对抗对抗性攻击和匿名数据以保护隐私来提高网络安全，到生成最先进的图像、对黑白图像进行着色、提高图像分辨率、创建头像、将 2D 图像转换为 3D 等等。

关于本专业

DeepLearning.AI生成对抗网络 (GAN) 专业课程对使用 GAN 生成图像进行了令人兴奋的介绍，通过易于理解的方法绘制了从基础概念到高级技术的路径。它还涵盖了社会影响，包括机器学习中的偏见及其检测方法、隐私保护等。

建立全面的知识库并获得 GAN 的实践经验。使用 PyTorch 训练您自己的模型，用它来创建图像，并评估各种高级 GAN。

关于你

该专业面向对机器学习感兴趣并希望了解 GAN 工作原理的软件工程师、学生和任何领域的研究人员。

该专业化为希望进入 GAN 领域或将 GAN 应用到自己的项目中的所有级别的学习者提供了一条可行的途径，即使事先不熟悉高等数学和机器学习研究。

应用学习项目

课程 1：在本课程中，您将了解 GAN 的基本组成部分，使用 PyTorch 构建基本的 GAN，使用卷积层构建处理图像的高级 DCGAN，应用 W-Loss 函数解决梯度消失问题，并学习如何有效控制您的 GAN 并构建条件 GAN。

课程 2：在本课程中，您将了解评估 GAN 的挑战，比较不同的生成模型，使用 Fréchet 起始距离 (FID) 方法评估 GAN 的保真度和多样性，识别偏差来源以及检测偏差的方法GAN，并学习和实施与最先进的 StyleGAN 相关的技术。

课程 3：在本课程中，您将使用 GAN 进行数据增强和隐私保护，调查 GAN 的更多应用，并构建用于图像翻译的 Pix2Pix 和 CycleGAN。