Redes Generativas Adversariales (GANs) para la Ampliación de Imágenes
GANs para la Ampliación de Imágenes
Diseñando GANs personalizados para la traducción de imagen a imagen para aumentar gafas en rostros
![Imagen de Annie Spratt en Unsplash](https://miro.medium.com/v2/resize:fit:640/format:webp/1*L6X-c25CtpMGAqla0WwBeQ.jpeg)
Nota rápida: Pronto comenzaré el desafiante programa de maestría OMSCS. Por lo tanto, escribiré con menos frecuencia. Sin embargo, espero regresar en cada receso de semestre para escribir sobre el tema que he aprendido en el semestre anterior. Por ejemplo, pueden esperar que escriba sobre Aprendizaje Reforzado (RL) en diciembre próximo, después de haber completado el primer semestre sobre ello. Por lo tanto, si están interesados, especialmente aquellos que planean hacer OMSCS en el futuro, ¡estén atentos!
Recientemente, he estado experimentando con Redes Generativas Adversarias (GANs) en mi tiempo personal con la esperanza de que los conocimientos adquiridos también puedan ser transferidos a mi trabajo profesional. En mi rol profesional, construyo sistemas de reconocimiento facial desde cero, y las GANs pueden ser potencialmente muy útiles, especialmente como técnica de augmentación de imágenes. En mi artículo anterior, compartí IA centrada en datos y diferentes estrategias para la augmentación y recolección de datos, como se puede ver aquí:
IA Centrada en Datos — Colección de Datos y Estrategia de Augmentación
Una guía completa para la estrategia de generación de datos para proyectos de aprendizaje automático centrados en datos
pub.towardsai.net
En uno de los métodos de augmentación de imágenes, ya mencioné brevemente que las GANs se pueden utilizar como técnica; por lo tanto, en este artículo, voy a profundizar más en ello. Es posible que no tenga un conocimiento muy profundo de las GANs — aún no he tomado la especialización en GANs en Coursera — y mi comprensión de las GANs se basa principalmente en las habilidades que he adquirido en la especialización de TensorFlow: Técnicas Avanzadas. No obstante, aprovechando lo que sé, este artículo presentará un modelo de GANs original y personalizado, así como una solución de trabajo exitosa para aumentar gafas en rostros que no las llevan puestas, especialmente con el propósito de augmentación de imágenes.
- OpenAI se hace cargo de la Iluminación Global; Celebra su primera adquisición empresarial
- NVIDIA presenta FlexiCubes un nuevo enfoque para generar mallas de alta calidad a partir de flujos de trabajo neurales como la fotogrametría y la IA generativa.
- Cómo realizar la selección de características con Scikit-Learn
Sin más preámbulos, ¡comencemos!
1. Introducción a las Redes Generativas Adversarias (GANs)
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Desbloqueando el poder del contexto con Google IA una competencia entre prefixLM y causalLM en el aprendizaje en contexto
- Construyendo aplicaciones personalizadas de preguntas y respuestas utilizando LangChain y la base de datos de vectores de Pinecone
- Entendiendo los selectores de Playwright Una guía
- ¿Cansado de tu rol de Ingeniería de Datos?
- Desarrollo en Nano-Arrays utilizando Aprendizaje Profundo Un nuevo método de IA que podría diseñar matrices de nanohuecos que pueden producir un color estructural específico
- Conoce Chroma una base de datos vectorial de código abierto nativa de IA para LLMs una forma más rápida de construir aplicaciones LLM en Python o JavaScript con memoria.
- Última versión de LlamaIndex Desde los conceptos básicos hasta las técnicas avanzadas en Python – (Parte 3)