V
主页
京东 11.11 红包
6.10 人脸生成服务器
发布人
原书信息:清华大学出版社-图书详情-《TensorFlow+Android经典模型从理论到实战(微课视频版)》 http://www.tup.tsinghua.edu.cn/booksCenter/book_09703501.html 第6章 StyleGAN与人脸生成 当你读完第6章时,你应该能够: l 理解掌握GAN的理论与方法。 l 理解掌握Progressive GAN的理论与方法。 l 理解掌握StyleGAN的技术演进逻辑。 l 理解掌握StyleGAN2的技术演进逻辑。 l 理解掌握StyleGAN2-ADA的技术演进逻辑。 l 理解掌握StyleGAN3的技术演进逻辑。 l 基于StyleGAN2预训练模型实战人脸生成器。 l 基于Socket搭建的人脸生成服务器。 l 桌面版人脸生成客户机实战和Android版人脸生成客户机实战。 6.1 项目动力 生成对抗网络模型GAN,参见论文Generative adversarial nets(GOODFELLOW I, POUGET-ABADIE J, MIRZA M, et al. 2014),由Ian Goodfellow等于2014年发布,旨在生成高度逼真的图像。 GAN引领了图像生成领域的变革,一系列改进模型相继涌现。其中NVIDIA公司研究人员发布的一系列高质量图像生成方法尤为著名。包括Progressive GAN (2017)、StyleGAN (2018)、StyleGAN2 (2019)、StyleGAN2-ADA (2020)、StyleGAN3 (2021)五个经典模型。
打开封面
下载高清视频
观看高清视频
视频下载器
6.7 StyleGAN3解析
6.15 Android版客户机测试
6.1 项目动力
6.8 人脸生成测试
6.4 StyleGAN解析
6.11 桌面版客户机设计与测试
6.14 Android客户机逻辑设计
2.7 MobileNetV3建模
6.6 StyleGAN2-ADA解析
4.18 生成YOLOv5-TFLite模型
7.8 人脸识别模型训练
2.6 MobileNetV3解析
9.8 AlphaFold2项目实战演示
3.8 激励函数
2.7 边缘扩充
6.9 客户机与服务器通信逻辑
2.22 模型评估
2.6 卷积运算
6.9 配置项目依赖
2.11 简单卷积神经网络
3.16 优化算法
一小时教程:基于TensorFlow搭建神经网络实现气温预测!
3.15 Mini-Batch梯度下降
4.10 卷积方法实现滑动窗口
7.2 人脸检测
3.12 反向传播
2.10 定义卷积层
2.5 MobileNetV2解析
7.4 三种方法做人脸检测
3.13 偏差与方差
1.18 XGBoost回归模型
3.11 正向传播
4.7 Anchor Boxes
6.16 小结
1.17 ElasticNet回归模型
2024最新 Android Studio 安装配置步骤
1.11 决定系数
3.9 损失函数
2.10 用Python解析数据包
9.4 数据集与特征提取