Seq. 13 / Generative Adversarial Networks (GAN)
Dans la relativement courte histoire du Deep Learning, les GANs ont considérablement révolutionnés le monde de l'IA et marqués les esprits avec des démonstrateurs populaires tels que This person does not exist.
Avant d'être publiés en 2014 par Ian J. Goodfellow et al., la légende, raconte qu'ils ont été imaginés dans un restaurant. A la fois architecture et stratégie d'apprentissage, dans laquelle deux réseaux sont en compétition, les GANs sont capables de générer des données avec un très fort degré de réalisme, dans un contexte d'apprentissage non supervisé.L
'objectif de cette séquence est de découvrir les grands principes de cette famille de modèles.
Au menu de cette séquence :
- Principes et architecture d'un GAN
- Generator
- Discriminator
- Apprentissage et implémentation
- WGAN et WGAN-GP
Exemple proposé : S'il te plaît... dessine moi un mouton !
Dans la relativement courte histoire du Deep Learning, les GANs ont considérablement révolutionnés le monde de l’IA et marqués les esprits avec des démonstrateurs populaires tels que This person does not exist.
Avant d’être publiés en 2014 par Ian J. Goodfellow et al., la légende, raconte qu’ils ont été imaginés dans un restaurant. A la fois architecture et stratégie d’apprentissage, dans laquelle deux réseaux sont en compétition, les GANs sont capables de générer des données avec un très fort degré de réalisme, dans un contexte d’apprentissage non supervisé.L
‘objectif de cette séquence est de découvrir les grands principes de cette famille de modèles.
Au menu de cette séquence :
– Principes et architecture d’un GAN
– Generator
– Discriminator
– Apprentissage et implémentation
– WGAN et WGAN-GP
Exemple proposé : S’il te plaît… dessine moi un mouton !
