深度学习之星（二）：GAN之图像转换 | 公开课

分享背景

▼

生成式对抗网络（GAN）是近两年机器学习领域的新秀，截止目前GAN的应用已经延伸至视频、图像、文字、语音等众多领域，尤其在图像的生成与图像转换领域。本场公开课将分享GAN在图像风格转换方面的应用，并深入解读2篇GAN在图像风格转换方面最新的论文，探索GAN在图像转换领域的实现方法。在上个月的第一场公开课里嘉宾讲解了GAN的原理，可复制链接查看免费回放。（www.mooc.ai/open/course/361）

分享主题

▼

深度学习之星：GAN之图像转换

分享提纲

▼

1.介绍GAN与cGAN的基本思想；

2.介绍配对与非配对的图像转换方法；

3.详解文献的实现流程；

4.探索与总结图像转换方法；

分享人简介

▼

陈俊，华中科技大学自动化学院在读硕士研究生，模式识别专业.研究兴趣包括：计算机视觉（视频理解、行为识别、目标检测与分类等）、深度学习、机器学习等。

分享时间

▼

北京时间12月14日（周四）20:00

参与方式

▼

扫描海报二维码添加社长微信，备注「陈俊」

上海交通大学博士讲师团队

从算法到实战应用

涵盖CV领域主要知识点

手把手项目演示

全程提供代码

深度剖析CV研究体系

轻松实战深度学习应用领域！

▼▼▼  

（限时早鸟票~）

公开课精彩往期回顾

复旦Ph.D沈志强：用于目标检测的DSOD模型（ICCV 2017）

极限元刘斌：深度学习在语音生成问题上的典型应用

搜狗文仕学：基于深度学习的语音分离

Video ++孙兆民：视频内容识别行业分析

悉尼科大王超岳：基于生成对抗网络的图像编辑方法

达观数据张健：文本分类方法和应用案例

清华Ph.D王书浩：基于深度学习的电商交易欺诈检测系统

Twitter工程师王东：详解YOLO2与YOLO9000目标检测系统

Kaggle比赛金牌团队：图像比赛的通用套路有哪些？

宜远智能刘凯：显著降低模型训练成本的主动增量学习

点击阅读原文，立即报名

▼▼▼