La visión por ordenador es uno de los campos de investigación más candentes del aprendizaje profundo. La aparición de las redes generativas adversariales (GAN) proporciona un nuevo método y modelo para la visión por ordenador. La idea de las GAN que utilizan el método de entrenamiento de juegos es superior a los algoritmos tradicionales de aprendizaje automático en términos de aprendizaje de características y generación de imágenes. Los GANs se utilizan ampliamente no sólo en la generación de imágenes y la transferencia de estilos, sino también en el procesamiento de texto, voz y vídeo, entre otros campos. Sin embargo, los GANs siguen presentando algunos problemas, como el colapso del modelo y el entrenamiento incontrolable. Este artículo revisa en profundidad la base teórica de los GAN y analiza algunos modelos GAN desarrollados recientemente, en comparación con los modelos GAN tradicionales. Las aplicaciones de los GAN en la visión por ordenador incluyen la mejora de datos, la transferencia de dominios, la generación de muestras de alta calidad y la restauración de imágenes. Se presentan los últimos avances en la investigación de los GANs en el ataque y la defensa de la seguridad basados en la inteligencia artificial (IA). El desarrollo futuro de los GANs en la visión por ordenador también se discute al final del artículo con las posibles aplicaciones de la IA en la visión por ordenador.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Infección bacteriana inducida con resistencia a los antibióticos
Artículo:
Métodos basados en el aprendizaje profundo para el análisis del sentimiento en tuits relacionados con el COVID-19 nepalí
Artículo:
WSRC discriminante para el reconocimiento de especies vegetales a gran escala
Artículo:
Algoritmo de detección de mutaciones en el índice de posición de los genes basado en una red neuronal de aprendizaje rápido con retroalimentación
Artículo:
Impacto de los diferentes estadios de desarrollo en el rendimiento de salto de la Locusta migratoria