0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 创造全新现实：从自动编码器、对抗网络到深度伪造

相同语种的商品

销售排行榜

浏览历史

创造全新现实：从自动编码器、对抗网络到深度伪造


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
创造全新现实：从自动编码器、对抗网络到深度伪造
  • 书号：9787030814814
    作者：江刚武等
  • 外文书名：
  • 装帧：圆脊精装
    开本：B5
  • 页数：215
    字数：292000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2025-09-01
  • 所属分类：
  • 定价： ￥190.00元
    售价： ￥150.10元
  • 图书介质:
    纸质书 按需印刷

  • 购买数量： 件  可供
  • 商品总价：

内容介绍

样章试读

用户评论

全部咨询

本书从深度学习的基础理论开始，由浅入深，逐渐过渡到生成式建模的技术和应用。本书涵盖主题广泛，技术复杂，但尽量以实用示例和浅显语言对技术细节进行阐述。建议读者掌握Python编程和应用数据科学的基本知识，包括微积分中典型的基础数学知识、线性代数和数据科学中常用的统计学等，以方便理解本书内容。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    “电子与信息作战丛书”序
    译者序
    原书前言
    第1章 深度学习基础 1
    1.1 前提条件 1
    1.2 感知器 3
    1.3 多层感知器 10
    1.3.1 反向传播 11
    1.3.2 随机梯度下降法 12
    1.4 PyTorch和深度学习 13
    1.5 回归分析 15
    1.6 分类 19
    1.6.1 独热编码 20
    1.6.2 MNIST手写数字数据集 21
    1.7 本章小结 24
    第2章 生成式建模 25
    2.1 基于自动编码器的无监督学习 25
    2.2 利用卷积提取特征 30
    2.3 卷积自动编码器 34
    2.4 生成对抗网络 39
    2.5 深度卷积生成对抗网络 44
    2.6 本章小结 48
    第3章 隐藏空间 49
    3.1 深度学习原理 49
    3.1.1 函数拟合 50
    3.1.2 微积分的局限性 53
    3.1.3 爬山算法 53
    3.1.4 过拟合和欠拟合 56
    3.2 变分自动编码器 60
    3.3 数据分布学习 64
    3.4 隐藏空间可视化 69
    3.5 本章小结 72
    第4章 生成对抗网络 73
    4.1 特征理解和深度卷积生成对抗网络 73
    4.2 生成对抗网络的数学基础 79
    4.3 瓦氏生成对抗网络 81
    4.4 边界搜索生成对抗网络 84
    4.5 相对生成对抗网络 87
    4.6 条件生成对抗网络 90
    4.7 本章小结 93
    第5章 图像到图像的内容生成 94
    5.1 用UNet模型分割图像 94
    5.2 用Pix2Pix转换图像 100
    5.3 用DualGAN实现双向转换 105
    5.4 用BicycleGAN控制隐藏空间 108
    5.5 用DiscoGAN实现场景风格转换 111
    5.6 本章小结 114
    第6章 残差生成对抗网络 115
    6.1 残差网络 115
    6.2 利用CycleGAN实现再次循环 120
    6.3 用StarGAN创建人脸 124
    6.4 迁移学习的优势 128
    6.5 用SRGAN提高生成图像分辨率 131
    6.6 本章小结 134
    第7章 注意力机制 135
    7.1 注意力的基本概念 135
    7.1.1 注意力的类型 137
    7.1.2 应用注意力 139
    7.2 用注意力增强卷积 142
    7.3 利普希茨连续性 145
    7.4 自注意力生成对抗网络 149
    7.5 自注意力生成对抗网络的改进 152
    7.6 本章小结 155
    第8章 高级生成器 156
    8.1 渐进式生成对抗网络 156
    8.2 基于StyleGAN2的样式设计 160
    8.2.1 映射网络 161
    8.2.2 样式模块 162
    8.2.3 弗雷歇初始距离 164
    离8.2.4 StyleGAN2 165
    8.3 DeOldify和新型NoGAN 169
    8.4 基于ArtLine的艺术表现 173
    8.5 本章小结 176
    第9章 深度伪造和换脸 177
    9.1 换脸工具介绍 178
    9.2 换脸数据的收集 181
    9.3 深度伪造的工作流程 185
    9.3.1 提取人脸 186
    9.3.2 分类和删除人脸 188
    9.3.3 重新调整对齐文件 190
    9.4 换脸模型的训练 191
    9.5 深度伪造视频的制作 193
    9.6 本章小结 197
    第10章 深度伪造内容的检测 198
    10.1 人脸操作方法 199
    10.2 伪造检测技术 201
    10.2.1 手工提取的特征 201
    10.2.2 基于学习的特征 202
    10.2.3 伪造图像 204
    10.3 识别深度伪造中的伪造内容 207
    10.4 本章小结 208
    附录A 本地运行GoogleColab 210
    附录B 打开笔记本 212
    附录C 连接GoogleDrive并保存 213
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com