生成对抗网络入门指南

 

生成对抗网络（GAN）是当下热门的人工智能技术之一，被美国《麻省理工科技评论》评为2018年“优选十大突破性技术”。本书是一本结合基础理论与工程实践的入门书籍，深入浅出地讲解了GAN的各类模型以及技术发展。全书共10章，前半部分介绍目前已经较为成熟的模型，如DCGAN、WGAN等，以及大量不同结构的GAN变种；后半部分介绍GAN在文本到图像的生成、图像到图像的生成以及其他应用中的研究与发展。本书适合机器学习领域从业人员、高校相关专业学生以及具备一定基础的人工智能爱好者阅读。

史丹青，语忆科技联合创始人兼技术负责人，毕业于同济大学电子信息工程系。拥有多年时间的AI领域创业与实战经验，具备深度学习、自然语言处理以及数据可视化等相关知识与技能。是AI技术的爱好者，并拥抱一切新兴科技，始终坚信技术分享和开源精神的力量。

前言
章人工智能入门1
1.1人工智能的历史与发展1
1.1.1人工智能的诞生3
1.1.2人工智能的两起两落6
1.1.3新时代的人工智能7
1.2机器学习与深度学习10
1.2.1机器学习分类11
1.2.2神经网络与深度学习12
1.2.3深度学习的应用13
1.3了解生成对抗网络15
1.3.1从机器感知到机器创造15
1.3.2什么是生成对抗网络19
1.4本章小结20
第2章预备知识与开发工具21
2.1Python语言与开发框架21
2.1.1Python语言21
2.1.2常用工具简介23
2.1.3第三方框架简介26
2.2TensorFlow基础入门27
2.2.1TensorFlow简介与安装27
2.2.2TensorFlow使用入门30
2.2.3Tensorflow实例：图像分类31
2.3Keras基础入门33
2.3.1Keras简介与安装33
2.3.2Keras使用入门34
2.3.3Keras实例：文本情感分析36
2.4Floyd：使用深度学习云平台运行程序38
2.4.1深度学习云平台简介38
2.4.2Floyd使用入门39
2.4.3Floyd实例：神经网络风格转换43
2.5本章小结45
第3章理解生成对抗网络46
3.1生成模型46
3.1.1生成模型简介46
3.1.2自动编码器47
3.1.3变分自动编码器50
3.2GAN的数学原理52
3.2.1最大似然估计52
3.2.2生成对抗网络的数学推导55
3.3GAN的可视化理解58
3.4GAN的工程实践59
3.5本章小结67
第4章深度卷积生成对抗网络68
4.1DCGAN的框架68
4.1.1DCGAN设计规则68
4.1.2DCGAN框架结构72
4.2DCGAN的工程实践73
4.3DCGAN的实验性应用79
4.3.1生成图像的变换79
4.3.2生成图像的算术运算81
4.3.3残缺图像的补全83
4.4本章小结85
第5章WassersteinGAN86
5.1GAN的优化问题86
5.2WGAN的理论研究89
5.3WGAN的工程实践92
5.4WGAN的实验效果分析96
5.4.1代价函数与生成质量的相关性96
5.4.2生成网络的稳定性97
5.4.3模式崩溃问题99
5.5WGAN的改进方案：WGAN-GP100
5.6本章小结104
第6章不同结构的GAN105
6.1GAN与监督式学习105
6.1.1条件式生成：cGAN105
6.1.2cGAN在图像上的应用106
6.2GAN与半监督式学习110
6.2.1半监督式生成：SGAN110
6.2.2辅助分类生成：ACGAN112
6.3GAN与无监督式学习113
6.3.1无监督式学习与可解释型特征113
6.3.2理解InfoGAN115
6.4本章小结119
第7章文本到图像的生成120
7.1文本条件式生成对抗网络120
7.2文本生成图像进阶：GAWWN123
7.3文本到高质量图像的生成127
7.3.1层级式图像生成：StackGAN128
7.3.2层级式图像生成的优化：StackGAN-v2132
7.4本章小结135
第8章图像到图像的生成136
8.1可交互图像转换：iGAN136
8.1.1可交互图像转换的用途136
8.1.2iGAN的实现方法138
8.1.3iGAN软件简介与使用方法140
8.2匹配数据图像转换：Pix2Pix143
8.2.1理解匹配数据的图像转换143
8.2.2Pix2Pix的理论基础145
8.2.3Pix2Pix的应用实践150
8.3非匹配数据图像转换：CycleGAN157
8.3.1理解非匹配数据的图像转换157
8.3.2CycleGAN的理论基础160
8.3.3CycleGAN的应用实践162
8.4多领域图像转换：StarGAN166
8.4.1多领域的图像转换问题166
8.4.2StarGAN的理论基础169
8.4.3StarGAN的应用实践171
8.5本章小结177
第9章GAN的应用：从多媒体到艺术设计178
9.1GAN在多媒体领域的应用178
9.1.1图像去模糊178
9.1.2人脸生成181
9.1.3音频合成184
9.2GAN与AI艺术188
9.2.1AI能否创造艺术188
9.2.2AI与计算机艺术的发展190
9.2.3艺术生成网络：从艺术模仿到创意生成196
9.3GAN与AI设计202
9.3.1AI时代的设计202
9.3.2AI辅助式设计的研究205
9.4本章小结212
0章GAN研究热点213
10.1评估与优化213
10.2对抗攻击216
10.3发展中的GAN219
参考文献222