Ocena:
Książka jest dobrze zorganizowaną książką kucharską koncentrującą się na głębokim uczeniu się do generowania obrazów, w szczególności przy użyciu VAE i GAN, i zawiera praktyczne przykłady kodu w TensorFlow. Jest ceniona za proste podejście i przejrzystość w wyjaśnianiu złożonych pojęć, chociaż brakuje jej głębi w wyjaśnieniach matematycznych i technikach debugowania.
Zalety:⬤ Dobrze napisana i zorganizowana
⬤ praktyczne przykłady kodu w Jupyter Notebooks
⬤ jasne wyjaśnienia złożonych tematów
⬤ obejmuje zaawansowane techniki, takie jak GAN, generowanie twarzy i synteza wideo
⬤ dobra równowaga między intuicją algorytmu a szczegółami implementacji
⬤ pomocna zarówno dla początkujących, jak i doświadczonych praktyków.
⬤ Niski nacisk na matematyczne podstawy GAN
⬤ brak dyskusji na temat debugowania GAN
⬤ zaawansowane projekty mogą wymagać systemów multi-GPU
⬤ niektóre sekcje mogą być ciężkie w złożonych koncepcjach.
(na podstawie 6 opinii czytelników)
Hands-On Image Generation with TensorFlow: A practical guide to generating images and videos using deep learning
Wdrażanie od podstaw różnych najnowocześniejszych architektur, takich jak GAN i autoenkodery, do generowania obrazów przy użyciu TensorFlow 2.x.
Kluczowe cechy
⬤ Zrozumienie różnych architektur generowania obrazów, w tym autoenkoderów i sieci GAN.
⬤ Zbuduj modele, które mogą edytować obraz twojej twarzy, przekształcać zdjęcia w obrazy i generować fotorealistyczne obrazy.
⬤ Odkryj, jak budować głębokie sieci neuronowe przy użyciu zaawansowanych funkcji TensorFlow 2.x.
Opis książki
Rozwijająca się dziedzina Generative Adversarial Networks (GAN) umożliwiła generowanie nierozróżnialnych obrazów z istniejących zbiorów danych. Dzięki tej praktycznej książce nie tylko rozwiniesz umiejętności generowania obrazów, ale także zdobędziesz solidne zrozumienie podstawowych zasad.
Zaczynając od wprowadzenia do podstaw generowania obrazów przy użyciu TensorFlow, książka ta obejmuje Variational Autoencoders (VAE) i GAN. Dowiesz się, jak budować modele do różnych zastosowań, a także jak wykonywać zamianę twarzy przy użyciu deepfakes, transfer stylu neuronowego, tłumaczenie obrazu na obraz, przekształcanie prostych obrazów w fotorealistyczne obrazy i wiele więcej. Zrozumiesz również, jak i dlaczego konstruować najnowocześniejsze głębokie sieci neuronowe przy użyciu zaawansowanych technik, takich jak normalizacja widmowa i warstwa samoobserwacji, zanim zaczniesz pracować z zaawansowanymi modelami do generowania i edycji twarzy. Zostaniesz również wprowadzony do przywracania zdjęć, syntezy tekstu na obraz, retargetingu wideo i renderowania neuronowego. W całej książce nauczysz się implementować modele od podstaw w TensorFlow 2.x, w tym PixelCNN, VAE, DCGAN, WGAN, pix2pix, CycleGAN, StyleGAN, GauGAN i BigGAN.
Pod koniec tej książki będziesz dobrze zorientowany w TensorFlow i będziesz w stanie pewnie wdrażać technologie generowania obrazów.
Czego się nauczysz
⬤ Trenować na zbiorach danych twarzy i wykorzystywać je do eksploracji ukrytych przestrzeni do edycji nowych twarzy.
⬤ Zapoznać się z zamianą twarzy za pomocą deepfake'ów.
⬤ Wykonywanie transferu stylu w celu przekształcenia zdjęcia w obraz.
⬤ Zbuduj i wytrenuj pix2pix, CycleGAN i BicycleGAN do translacji między obrazami.
⬤ Wykorzystanie iGAN do zrozumienia interpolacji wielorakiej i GauGAN do przekształcania prostych obrazów w obrazy fotorealistyczne.
⬤ Zapoznanie się z modelami generatywnymi uwagi, takimi jak SAGAN i BigGAN.
⬤ Generować zdjęcia w wysokiej rozdzielczości za pomocą Progressive GAN i StyleGAN.
Dla kogo jest ta książka
Książka Hands-On Image Generation with TensorFlow przeznaczona jest dla inżynierów deep learning, praktyków i badaczy, którzy mają podstawową wiedzę na temat konwolucyjnych sieci neuronowych i chcą nauczyć się różnych technik generowania obrazów przy użyciu TensorFlow 2.x. Książka ta będzie również przydatna dla profesjonalistów zajmujących się przetwarzaniem obrazu lub inżynierów wizji komputerowej, którzy chcą poznać najnowocześniejsze architektury w celu poprawy i ulepszenia obrazów i filmów. Znajomość Pythona i TensorFlow pomoże ci w pełni wykorzystać możliwości tej książki.