دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Generative Adversarial Networks for Image-to-Image Translation
دانلود کتاب شبکه های متخاصم مولد برای ترجمه تصویر به تصویر
مشخصات کتاب
Generative Adversarial Networks for Image-to-Image Translation
ویرایش: [1 ed.] نویسندگان: Arun Solanki (editor), Anand Nayyar (editor), Mohd Naved (editor) سری: ISBN (شابک) : 0128235195, 9780128235195 ناشر: Academic Press سال نشر: 2021 تعداد صفحات: 444 [428] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 39 Mb
قیمت کتاب (تومان) : 37,000
در صورت تبدیل فایل کتاب Generative Adversarial Networks for Image-to-Image Translation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شبکه های متخاصم مولد برای ترجمه تصویر به تصویر نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب شبکه های متخاصم مولد برای ترجمه تصویر به تصویر
شبکه‌های متخاصم مولد (GAN) انقلابی را در یادگیری عمیق به راه انداخته‌اند و امروزه GAN یکی از موضوعاتی است که در هوش مصنوعی بسیار مورد تحقیق قرار گرفته است. شبکه های متخاصم مولد برای ترجمه تصویر به تصویر یک نمای کلی از مفهوم GAN (شبکه متخاصم مولد) ارائه می دهد که از شبکه اصلی GAN شروع می شود تا سیستم های مختلف مبتنی بر GAN مانند GAN های کانولوشن عمیق (DCGAN) ، GANهای شرطی (cGAN) ، StackGAN ، GANهای Wasserstein (WGAN) ، GANهای چرخه ای و بسیاری موارد دیگر. این کتاب همچنین برنامه های کاربردی دنیای واقعی و پروژه های رایج ساخته شده با استفاده از سیستم GAN با کد پایتون مربوطه را در اختیار خوانندگان قرار می دهد. یک سیستم GAN معمولی از دو شبکه عصبی، یعنی مولد و تفکیک کننده تشکیل شده است. هر دوی این شبکه ها مشابه نظریه بازی ها با یکدیگر رقابت می کنند. مولد مسئول تولید تصاویر با کیفیتی است که باید شبیه به حقیقت زمین باشد، و تشخیص دهنده مسئول تشخیص اینکه آیا تصویر تولید شده یک تصویر واقعی است یا یک تصویر جعلی تولید شده توسط ژنراتور است. به عنوان یکی از معماری های مبتنی بر یادگیری بدون نظارت، GAN یک روش ترجیحی در مواردی است که داده های برچسب دار در دسترس نیستند. GAN می تواند تصاویری با کیفیت بالا تولید کند، تصاویری از چهره انسان ایجاد کند که از چندین طرح ایجاد شده است، تصاویر را از یک دامنه به دامنه دیگر تبدیل کند، تصاویر را بهبود بخشد، یک تصویر را با سبک تصویر دیگر ترکیب کند، ظاهر یک تصویر چهره انسان را برای نشان دادن جلوه ها تغییر دهد. در پیشرفت پیری، تصاویر را از متن و بسیاری از برنامه های کاربردی دیگر تولید کنید. GAN در تولید خروجی بسیار نزدیک به خروجی تولید شده توسط انسان در کسری از ثانیه مفید است و می تواند به طور موثر موسیقی، گفتار و تصاویر با کیفیت بالا تولید کند.
توضیحاتی درمورد کتاب به خارجی
Generative Adversarial Networks (GAN) have started a revolution in Deep Learning, and today GAN is one of the most researched topics in Artificial Intelligence. Generative Adversarial Networks for Image-to-Image Translation provides a comprehensive overview of the GAN (Generative Adversarial Network) concept starting from the original GAN network to various GAN-based systems such as Deep Convolutional GANs (DCGANs), Conditional GANs (cGANs), StackGAN, Wasserstein GANs (WGAN), cyclical GANs, and many more. The book also provides readers with detailed real-world applications and common projects built using the GAN system with respective Python code. A typical GAN system consists of two neural networks, i.e., generator and discriminator. Both of these networks contest with each other, similar to game theory. The generator is responsible for generating quality images that should resemble ground truth, and the discriminator is accountable for identifying whether the generated image is a real image or a fake image generated by the generator. Being one of the unsupervised learning-based architectures, GAN is a preferred method in cases where labeled data is not available. GAN can generate high-quality images, images of human faces developed from several sketches, convert images from one domain to another, enhance images, combine an image with the style of another image, change the appearance of a human face image to show the effects in the progression of aging, generate images from text, and many more applications. GAN is helpful in generating output very close to the output generated by humans in a fraction of second, and it can efficiently produce high-quality music, speech, and images.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب The Living And The Dead : The Rise And Fall Of The Cult Of World War II In Russia
دانلود کتاب Цивільне право України
دانلود کتاب Designing Print Materials for Flexible Teaching and Learning in Law (Legal Education Series)
