【一对一小组】2024年有三AI-CV中阶-GAN组发布,如何循序渐进地学习好生成对抗网络原理与应用...

c9b129053f0ea0a9db1b279fbdcc3d4b.png

8a2fe25ccdd5f30e238cfa0e24966a74.png

2024年有三AI-CV中阶-GAN组正式发布!有三AI已经推出了CV初-中-高级培养计划(原名有三AI-CV季划),这是我们的终身计算机视觉学习小组。

a1476a4ed7b68c503fab50749f2bb957.png

该培养计划具有以下特点:

【系统性】配套有非常完备的理论与实践

【永久性】不限制学习期限,一直有效

【成长性】内容保持更新,不额外收费

【专业性】原创书+视频讲解+真实项目锻炼

【丰富性】数千页PPT,文档,项目等

【权威性】工业界资深背景辅导老师,弱运营属性

什么是有三AI-CV中阶-GAN组

GAN自从被提出来后,技术发展就非常迅猛,已经被落地于众多的方向,其应用涉及图像与视频生成,数据仿真与增强,各种各样的图像风格化任务,人脸与人体图像编辑,图像质量提升。

本组聚焦于让大家能够跟随我们社区长期学习GAN相关的算法。下图是2024年CV中阶-GAN组包括的内容预览图,可以自行放大仔细阅读。

d5f3f04d713f074e761781e80e9d2ba3.png

学习内容覆盖以下几个方向:

(1) 生成对抗网络基础,包括生成模型原理、GAN的优化目标与评估指标等。

(2) 图像与视频生成GAN,包括全卷积GAN、多尺度GAN、条件GAN、StyleGAN、视频生成GAN等

(3) 图像翻译GAN,包括有监督翻译GAN、无监督翻译GAN等。

(4) 图像增强GAN,包括图像降噪GAN、图像去模糊GAN、超分辨GAN、图像修复GAN等。

(5) 人脸属性编辑GAN,包括通用人脸属性编辑GAN、人脸表情编辑GAN、人脸年龄编辑GAN等。

学习资源包括以下部分:

(1) 1本配套的图书教材,《生成对抗网络GAN:原理与实践》。

f016da3787ac49e51e4ba2619c71a545.png

(2) 配套的视频教程,唯一的学习平台,课程不定期更新。

0f349ab92ab8e65bf7d81c9607fe928a.png

(3) 1个知识星球学习社区,存储部分图文资料与数据。

94f6bbe2ab200600449dd0e538016ed8.png

(4) 有三AI项目研发组进入权限,有机会负责真实产业案例研发。

df8c984b454c8160c02633377479df68.png

生成模型基础

这一部分主要是学习对GAN的基础理论的理解,包括生成模型基础,自编码器与变分自编码器,GAN的原理,GAN的优化,GAN的评估。我们配置了1门时长超过3小时的《深度生成模型GAN:理论基础篇》课程

8b59de57c980bb91cc45121cd7c8c88a.jpeg

2045e64cde10a99d4f301ec53a52a5bb.png

a07607a2a0e9e340ee7a5ab933341c19.png

详细了解课程,请阅读:【视频课】永久免费课程!如何掌握好深度生成模型与GAN的基础理论知识

图像与视频生成GAN

高质量图像生成和视频生成是GAN最为人熟知的应用方向,当前已经可以生成1024分辨率以上的高清逼真图像。本部分内容会讲解如何掌握图像生成技术的基本原理,视频生成技术的基本原理,如何提高生成图像和视频的质量,如何使用GAN提高已有数据的质量!我们配置了图像与视频生成GAN课程,当前包含的内容超过6个小时,PPT数量超过200页。

00356f09259b436c18e54bb369acf70f.png

理论部分内容:详细解读了基本的全卷积GAN,各类条件生成GAN,强大的StyleGAN系列,数据增强与仿真GAN,视频生成GAN。

实践部分内容:包含了2个Pytorch实战案例,分别为DCGAN人脸嘴唇表情生成任务,StyleGAN人脸图像生成任务,后续还会增加3D与视频部分的实践内容。

efc19f846560725d445a691f5b4a6aa4.png

详细了解课程,请阅读:【视频课】CV必学,超6小时,2大模块,循序渐进地搞懂GAN图像生成!

图像翻译与风格化

图像翻译与风格化包含的方向非常多,因为从图像到图像的任务都可以称之为图像翻译任务,如经典的图像分割/边缘检测,图像超分辨率/图像风格化。我们配置了图像翻译与风格化课程,当前包含的内容超过6个小时,PPT数量超过150页。

c3a15a22f3d2319a7414b3d745a9a147.png

理论部分内容:涵盖了深度学习之图像翻译的核心方向,如有监督图像翻译模型,无监督图像翻译模型,多域图像翻译模型。

实践部分内容:包含了3个实践案例,分别为基于Pix2Pix的黑白图像上色实战,基于StarGAN的人脸表情编辑实战,基于BeautyGAN的人脸美妆实战。

882fd9647a5c1a527241fae5b4294dd0.png

详细了解课程,请阅读:【视频课】CV必学,超7小时,3大模块,3大案例,掌握图像翻译与风格化GAN核心技术!

图像增强

随着GAN相关技术的发展逐渐成熟,它在图像质量提升等底层任务中得到了广泛的应用,极大地促进了图像降噪、图像色调映射、图像去模糊、图像超分辨、图像修复等领域的算法进步。我们配置了图像增强GAN课程,当前包含的内容超过8个小时,PPT数量超过200页。

1efc84bdd03c91caace92acb7838b727.png

理论部分内容:涵盖了图像增强GAN的核心方向,包括图像降噪、图像去模糊、图像超分辨、图像色调映射、图像修复。

实践部分内容:包含了3个实践案例,分别为基于SRGAN的图像超分辨实战,基于EnlightenGAN的图像增强实战,基于DANet的图像降噪实战。

36bfec1b8ba18d8d8a07b58e571a6ec2.png

详细了解课程,请阅读:【视频课】超8小时,5大模块,掌握基于GAN的图像增强应用(降噪色调映射去模糊超分辨修复)

人脸属性编辑

随着人脸图像算法应用和GAN等生成式模型的发展逐渐成熟,如今基于深度学习模型的人脸属性编辑是当下人脸算法与应用的热点,近些年在互联网产品中有许多落地,比如人脸变老变小孩,人脸风格化特效,人脸美妆等。我们配置了深度学习之人脸属性编辑:理论与实践课程,当前包含的内容超过10个小时,包含3个典型案例。

1af0e293c2584f3c6f8683b4e39ac629.png

理论部分内容:涵盖了人脸属性编辑的核心方向,包括基于StyleGAN模型的通用人脸属性编辑,基于图像翻译模型的通用人脸属性编辑,以及各类专用的人脸属性编辑模型,包括人脸表情、年龄、姿态、妆造等。

实践部分内容:一共已经包含了3个实践案例,分别为基于StyleGAN的通用人脸属性编辑实战,基于StarGAN的人脸表情编辑实战,基于BeautyGAN的人脸妆造编辑实战,后续还会增加其他方向的实战:

6fc6412b2c4d69108f10faf417f26c0b.gif

详细了解课程,请阅读:【视频课】超10小时,3大模块,掌握深度学习人脸属性编辑算法理论与实践

如何学以致用

有三AI-CV学习小组的目标不仅是让学习者完成对深度学习CV算法知识的掌握,更是要在实际项目中进行使用,因此提供了学习后的一些输出形式,包括做项目、授课等。关于产出形式,下面是一些往期成员的分享,供大家参考:

【杂谈】有三AI季划的最核心价值在哪,听听这些同学怎么说!

【杂谈】我在有三AI从学生到老师

【杂谈】从学员到开发者,我在有三AI打怪升级

【杂谈】有三AI课程兼职讲师,打造自己的影响力,我从这里开始!

【杂谈】蛰伏3年,从学习到负责适合自己方向的项目研发

【杂谈】一个项目获得10倍学费收入,我在有三AI学以致用的故事

【杂谈】从学员到合作伙伴,我与有三AI不得不说的故事

【杂谈】从学员到参与书籍写作,我在有三AI学习与成长的故事

【杂谈】从学员到专栏作者、讲师,我在有三AI学习与名利双收的故事

【杂谈】从学生到讲师,我如何20天里在有三AI赚3万

【杂谈】从失业到重要项目负责人,2020年里我如何在有三AI上岸

【杂谈】参加有三AI秋季划4个月,薪资翻倍,我在有三AI都学了啥?

【杂谈】一个五岁孩子妈妈在有三AI学习并且赚钱的故事 

【杂谈】有三AI-CV春季划有用吗,听听他们的分享

【杂谈】从医学专业转行到AI,独立完成项目到获得加州理工大学读研推荐,我如何与有三AI结缘

如何报名

直接订阅下面的有三AI-CV中阶-GAN组专栏即可,课程平台地址为:https://appcdfgt3n15676.h5.xiaoeknow.com,此后内容增加也不会新增费用。如果已经有附赠的书,可以抵扣费用50,订阅后联系有三微信Longlongtogo获得其他内容。

0f7c46f70f99f4e214a9944ded61a41b.jpeg

关于学习方式

有三AI-CV中阶-GAN组学习方式非常自由,包括:

(1) 按照给出的路线和学习资料,分视频,书籍,代码实践3部分可自主把控学习进度,不限制学习时间,永久有效,新增内容会在群里通知。

(2) 微信群答疑,有三一对一微信答疑和线下答疑。

(3) 参与内容组,兼职当老师进行锻炼。参与项目组,做真实项目获得收入进行锻炼。

717001ec4fddd0c434dba8a109d0042a.png

6b7a515f487bc575aea9b74ff0772c9a.png

往期相关