歡迎光臨
每天分享高質量文章

歷史最全GAN網絡及其各種變體整理(附論文及代碼實現)

    文章主要整理了GAN網絡及其各種變體模型,並給出了模型的論文出處及代碼實現,結合最原始的論文和代碼實現,可以加深對模型原理的理解。


目錄

        GAN

        Auxiliary Classifier GAN

        Bidirectional GAN

        Boundary-Seeking GAN

        Context-Conditional GAN

        Coupled GANs

        CycleGAN

        Deep Convolutional GAN

        DualGAN

        Generative Adversarial Network

        InfoGAN

        LSGAN

        Semi-Supervised GAN

        Wasserstein GAN

GAN

實現最原始的,基於多層感知器構成的生成器和判別器,組成的生成對抗網絡模型(Generative Adversarial)。

參考論文:《Generative Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/gan/gan.py

 

AC-GAN

實現輔助分類-生成對抗網絡(Auxiliary Classifier Generative Adversarial Network)。

參考論文:《Conditional Image Synthesis With Auxiliary Classifier GANs》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/acgan/acgan.py

 

BiGAN

實現雙向生成對抗網絡(Bidirectional Generative Adversarial Network)。

參考論文:《Adversarial Feature Learning》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/bigan/bigan.py

 

BGAN

實現邊界搜索生成對抗網絡(Boundary-Seeking Generative Adversarial Networks)。

參考論文:《Boundary-Seeking Generative Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/bgan/bgan.py

 

CC-GAN

實現基於背景關係的半監督生成對抗網絡(Semi-Supervised Learning with Context-Conditional Generative Adversarial Networks)。

參考論文:《Semi-Supervised Learning with Context-Conditional Generative Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/ccgan/ccgan.py

 

CoGAN

實現耦合生成對抗網絡(Coupled generative adversarial networks)。

參考論文:《Coupled Generative Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/cogan/cogan.py

 

CycleGAN

實現基於迴圈一致性對抗網絡(Cycle-Consistent Adversarial Networks)的不成對的Image-to-Image 翻譯。

參考論文:《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/cyclegan/cyclegan.py

 

DCGAN

實現深度捲積生成對抗網絡(Deep Convolutional Generative Adversarial Network)。

參考論文:《Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/dcgan/dcgan.py

 

DualGAN

實現對偶生成對抗網絡(DualGAN),基於無監督的對偶學習進行Image-to-Image翻譯。

參考論文:《DualGAN: Unsupervised Dual Learning for Image-to-Image Translation》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/dualgan/dualgan.py

 

InfoGAN

實現的信息最大化的生成對抗網絡(InfoGAN),基於信息最大化生成對抗網絡的可解釋表示學習。

參考論文:《InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/infogan/infogan.py

 

LSGAN

實現最小均方誤差的生成對抗網絡(Least Squares Generative Adversarial Networks)。

參考論文:《Least Squares Generative Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/lsgan/lsgan.py

 

SGAN

實現半監督生成對抗網絡(Semi-Supervised Generative Adversarial Network)。

參考論文:《Semi-Supervised Learning with Generative Adversarial Networks》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/sgan/sgan.py

 

WGAN

實現 Wasserstein GAN。

參考論文:《Wasserstein GAN》

代碼地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/wgan/wgan.py

往期精彩內容推薦

麻省理工學院-2018年最新深度學習演算法及其應用入門課程資源分享

最前沿的深度學習論文、架構及資源分享

純乾貨18 – 2016-2017深度學習-最新-必讀-經典論文

深度學習的發展歷史及應用現狀

模型彙總23 – 捲積神經網絡中不同型別的捲積方式介紹

深度學習(AI)在醫療領域應用、需求及未來發展概述

斯坦福大學2017年-Spring-最新強化學習(Reinforcement Learning)課程分享

模型彙總22 機器學習相關基礎數學理論、概念、模型思維導圖分享

《模型彙總-20》深度學習背後的秘密:初學者指南-深度學習激活函式大全

深度學習模型、概念思維導圖分享

深度學習與NLP 深度學習|機器學習|人工智慧 精品視頻教程合集分享

AI、神經網絡、機器學習、深度學習和大資料的核心知識備忘錄分享

掃描下方二維碼可以訂閱哦!

DeepLearning_NLP

深度學習與NLP

       商務合作請聯繫微信號:lqfarmerlq

赞(0)

分享創造快樂