GAN à super résolution d’image
Nous avons tous vu le gadget de l’émission télévisée où les enquêteurs peuvent prendre un petit morceau d’une image et lui donner l’impression qu’elle est beaucoup plus grande qu’elle ne l’est. En effet, aujourd’hui, les réseaux antagonistes génératifs rendent possibles des choses qui étaient autrefois impossibles.
Ici, je vais vous montrer comment tirer parti de ce que vous avez appris dans mon cours sur les réseaux antagonistes génératifs haute résolution pour réaliser cet exploit impressionnant connu sous le nom de « super-résolution ». Si vous entraînez un générateur, non seulement vous pourrez créer une image quatre fois plus grande qu’auparavant, mais cela nous sera également très facile à faire.
Nos réseaux de neurones convolutifs seront construits et formés avec Python et Keras de la même manière que dans le premier cours. Nous utiliserons à nouveau Google CoLab pour nous connecter à un Cloud TPU gratuit afin d’entraîner nos réseaux. Vous pouvez terminer le cours en quelques jours seulement et ne payer aucun matériel !
Pour voir si cela semble intéressant, regardez l’aperçu gratuit des “Résultats !” leçon pendant un certain temps. Si vous y allez, je ne doute pas que vous serez très heureux.
A qui s’adresse ce cours :
- Développeurs Python et TensorFlow 2.0 qui souhaitent rendre les images plus réalistes et plus claires lorsqu’elles s’agrandissent.
GAN en super-résolution d’image FreeCourseSites.com
Télécharger maintenant
