شبکه های مولد متخاصم (GAN) - راهنمای کامل

در این دوره با یادگیری عمیق و بینایی کامپیوتری برای پیاده سازی پروژه ها با استفاده از انقلابی ترین فناوری های دنیا آشنا می شوید.

آنچه یاد خواهید گرفت

• درک شهود اولیه درباره GANs
• ایجاد تصاویری از ارقام (0 - 9) با استفاده از DCGAN و WGAN
• تبدیل تصاویر ماهواره ای به نقشه با استفاده از معماری Pix2Pix
• تبدیل گورخرها به اسب ها با استفاده از معماری CycleGAN
• انتقال استایل ها بین تصاویر
• اعمال رزولوشن فوق العاده برای بهبود کیفیت تصویر با استفاده از معماری ESRGAN
• ایجاد چهره جدیدی از افراد با کیفیت و وضوح بالا با استفاده از StyleGAN
• تولید تصاویر از طریق توضیحات متنی
• بازیابی عکس های قدیمی با استفاده از GFP-GAN
• تکمیل قسمت های از دست رفته تصاویر با استفاده از معماری Boundless
• ایجاد دیپ فیک ها برای تعویض چهره ها با SimSwap

پیش نیازهای دوره

• منطق برنامه نویسی
• برنامه نویسی اولیه پایتون
• دانش شبکه های عصبی مطلوب است، اما اجباری نیست.

توضیحات دوره

در این دوره شما شهود اولیه و عمدتاً پیاده سازی عملی مدرن ترین معماری های شبکه های مولد متخاصم را خواهید آموخت. این دوره یک راهنمای کامل به حساب می آید زیرا همه مطالب از ابتدایی ترین مفاهیم تا مدرن ترین و پیشرفته ترین تکنیک ها را ارائه می دهد تا در نهایت تمام ابزارهای لازم برای ساخت پروژه های خود را در اختیار داشته باشید. 

تعدادی از پروژه هایی که قرار است گام به گام پیاده کنید:

• ایجاد ارقام از 0 تا 9
• تبدیل تصاویر ماهواره ای به تصاویر نقشه، مانند استایل گوگل مپ
• تبدیل ترسیم ها به عکس های با کیفیت
• ایجاد گورخرها با استفاده از تصاویر اسب
• انتقال استایل ها بین تصاویر با استفاده از نقاشی های هنرمندان مشهوری مانند ون گوگ و سزان و اوکیو
• افزایش رزولوشن تصاویر با کیفیت پایین (رزولوشن فوق العاده)
• تولید دیپ فیک ها (چهره های جعلی) با کیفیت بالا
• ایجاد تصاویر از طریق توضیحات متنی
• بازیابی عکس های قدیمی
• تکمیل قسمت های از دست رفته تصاویر
• تعویض چهره افرادی که در محیط های مختلف هستند.

برای پیاده سازی پروژه ها، چندین معماری مختلف از GANs را یاد خواهید گرفت:

• DCGAN (شبکه مولد متخاصم عمیق)
• WGAN (Wassertein GAN)
• WGAN-GP (Wassertein GAN-Gradient Penalty)
• cGAN (GAN شرطی)
• Pix2Pix (تصویر به تصویر)
• CycleGAN (شبکه متخاصم سازگار با چرخه)
• SRGAN (GAN با رزولوشن فوق العاده)
• ESRGAN (GAN با رزولوشن فوق العاده پیشرفته)
• StyleGAN (معماری ژنراتور مبتنی بر استایل برای GANs)
• VQ-GAN (شبکه متخاصم مولد کوانتیزه برداری)
• CLIP (زبان متناقض - پیش‌ آموزش تصویر)
• BigGAN
• GFP-GAN (GAN قبلی چهره مولد)
• GAN نامحدود (Boundless)
• SimSwap (تعویض ساده)

این دوره برای چه کسانی مناسب است؟

• افرادی که علاقه مند به ایجاد اپلیکیشن های پیچیده با استفاده از GANs هستند.
• دانشجویان کارشناسی و کارشناسی ارشد که در حال گذراندن دوره های بینایی کامپیوتری، هوش مصنوعی و پردازش تصویر دیجیتال هستند.
• افرادی که می خواهند پروژه های خود را با استفاده از تکنیک های بینایی کامپیوتری پیاده کنند.
• دانشمندان داده که می خواهند پورتفولیوی پروژه خود را افزایش دهند.