有三AI-CV中阶-GAN算法组（2024年）

1__深度生成模型GAN-理论基础篇/

[ 66M] 1__第1节-生成模型基础

[ 69M] 2__第2节-自编码器与变分自编码器

[ 73M] 3__第3节-生成对抗网络基础

[128M] 4__第4节-GAN的优化目标设计与改进

[ 82M] 5__第5节-GAN的评估

2__深度学习之图像与视频生成GAN—理论与实践/

[6.0M] 1__0 课程介绍

[ 44M] 2__1 全卷积图像生成GAN理论

[ 22M] 3__2.1 DCGAN图像生成实战-项目解读

[ 30M] 4__2.2 DCGAN图像生成实战-模型搭建

[ 79M] 5__2.3 DCGAN图像生成实战-模型训练

[ 15M] 6__2.4 DCGAN图像生成实战-模型测试

[ 66M] 7__3 条件生成GAN理论

[ 59M] 8__4 多尺度生成GAN理论

[162M] 9__5.1 StyleGAN v1详解

[105M] 10__5.2 StyleGAN v2详解

[244M] 11__6.1 StyleGAN v1实战-模型解读

[ 88M] 12__6.2 StyleGAN v1实战-模型测试

[ 29M] 13__7 数据增强与仿真GAN理论

[ 46M] 14__8.1 视频生成GAN（基础篇）

[ 63M] 15__8.2 视频生成GAN（内容运动解耦篇）

[ 286] 16__参考资料（图文）.html

[ 256] 17__数据和代码.html

资料代码/

3__深度学习之图像翻译与风格化GAN—理论与实践/

[ 10M] 1__0 课程介绍

[ 28M] 2__1 图像翻译与风格迁移基础

[ 49M] 3__2 有监督图像翻译模型

[ 74M] 4__3 无监督图像翻译模型

[ 20M] 5__4.1 Pix2Pix图像上色实战（项目简介与原理回顾）

[ 61M] 6__4.2 Pix2Pix图像上色实战（数据读取）

[138M] 7__4.3 Pix2Pix图像上色实战（模型搭建）

[ 76M] 8__4.4 Pix2Pix图像上色实战（模型训练）

[ 40M] 9__4.5 Pix2Pix图像上色实战（模型测试）

[ 57M] 10__5.1 多域图像翻译模型（上）

[ 70M] 11__5.2 多域图像翻译模型（下）

[ 21M] 12__6.1 StarGAN人脸表情编辑实战（项目简介与原理回顾）

[ 41M] 13__6.2 StarGAN人脸表情编辑实战（数据读取）

[ 33M] 14__6.3 StarGAN人脸表情编辑实战（模型搭建）

[ 91M] 15__6.4 StarGAN人脸表情编辑实战（模型训练）

[ 34M] 16__6.5 StarGAN人脸表情编辑实战（模型测试）

[ 30M] 17__7.1 BeautyGAN人脸美妆实战（项目简介）

[ 75M] 18__7.2 BeautyGAN人脸美妆实战（数据读取）

[ 73M] 19__7.3 BeautyGAN人脸美妆实战（模型搭建）

[211M] 20__7.4 BeautyGAN人脸美妆实战（模型训练）

[ 20M] 21__7.5 BeautyGAN人脸美妆实战（模型测试）

[ 286] 22__参考资料（图文）.html

[ 250] 23__数据与代码.html

资料代码/

4__深度学习之图像增强GAN—理论与实践/

[7.4M] 1__课程介绍

[ 34M] 2__第1.1节-图像降噪（基础篇）

[135M] 3__第1.2节-图像降噪（进阶篇）

[ 15M] 4__第1.3节-DANet图像降噪实战（项目介绍）

[ 66M] 5__第1.4节-DANet图像降噪实战（数据读取）

[ 32M] 6__第1.5节-DANet图像降噪实战（模型搭建）

[ 70M] 7__第1.6节-DANet图像降噪实战（模型训练）

[ 33M] 8__第1.7节-DANet图像降噪实战（模型测试）

[ 52M] 9__第2.1节-色调映射（基础篇）

[ 97M] 10__第2.2节-色调映射（进阶篇）

[ 19M] 11__第2.3节-EnlightenGAN图像增强实战（项目介绍）

[ 41M] 12__第2.4节-EnlightenGAN图像增强实战（数据读取）

[132M] 13__第2.5节-EnlightenGAN图像增强实战（模型搭建）

[ 78M] 14__第2.6节-EnlightenGAN图像增强实战（模型训练）

[ 59M] 15__第2.7节-EnlightenGAN图像增强实战（模型测试）

[ 83M] 16__第3.1节-图像超分辨（基础篇）

[117M] 17__第3.2节-图像超分辨（进阶篇）

[ 28M] 18__第3.3节-SRGAN超分辨实战（项目简介）

[ 39M] 19__第3.4节-SRGAN超分辨实战（数据处理）

[ 75M] 20__第3.5节-SRGAN超分辨实战（模型搭建与训练）

[ 30M] 21__第3.6节-SRGAN超分辨实战（模型测试）

[ 55M] 22__第4.1节-图像去模糊（基础篇）

[ 57M] 23__第4.2节-图像去模糊（进阶篇）

[ 39M] 24__第5.1节-图像修复（基础篇）

[112M] 25__第5.2节-图像修复（进阶篇）

[ 250] 26__数据与代码.html

资料代码/

5__深度学习之人脸属性编辑—理论与实践/

[ 14M] 1__课程介绍

[ 51M] 2__1 人脸属性编辑基础

[认准一手完整 www.ukoou.com]

[ 64M] 3__2.1 StyleGAN人脸属性编辑原理

[4.8M] 4__2.2 StyleGAN人脸属性编辑实战-内容简介

[300M] 5__2.3 StyleGAN人脸属性编辑实战-人脸属性向量生成

[ 73M] 6__2.4 StyleGAN人脸属性编辑实战-人脸样式混合与插值

[ 54M] 7__2.5 StyleGAN人脸属性编辑实战-人脸属性方向向量生成

[ 61M] 8__2.6 StyleGAN人脸属性编辑实战-人脸表情、年龄、性别编辑

[ 21M] 9__2.7 StyleGAN人脸属性编辑实战-人脸表情添加与去除

[ 57M] 10__3.1 StarGAN v1原理

[ 70M] 11__3.2 StarGAN v2原理

[ 21M] 12__3.3 StarGAN表情编辑实战-内容简介

[ 41M] 13__3.4 StarGAN表情编辑实战-数据读取

[ 33M] 14__3.5 StarGAN表情编辑实战-模型搭建

[ 91M] 15__3.6 StarGAN表情编辑实战-模型训练

[ 33M] 16__3.7 StarGAN表情编辑实战-模型测试

[ 66M] 17__4.1 人脸年龄编辑（基础篇）

[ 73M] 18__4.2人脸年龄编辑（进阶篇）

[ 76M] 19__5.1 人脸表情编辑（基础篇）

[ 89M] 20__6.1 人脸姿态编辑（基础篇）

[ 82M] 21__7.1 人脸妆造编辑（基础篇）

[ 30M] 22__7.2 BeautyGAN人脸美妆实战-项目简介

[ 75M] 23__7.3 BeautyGAN人脸美妆实战-数据读取

[ 73M] 24__7.4 BeautyGAN人脸美妆实战-模型搭建

[211M] 25__7.5 BeautyGAN人脸美妆实战-模型训练

[ 20M] 26__7.6 BeautyGAN人脸美妆实战-模型测试

[ 250] 27__数据与代码.html

资料代码/

6__基于StyleGAN v1的人脸图像生成实战/

[162M] 1__第1节_StyleGAN v1原理详解

[243M] 2__第2节_StyleGAN v1模型代码详解

[ 88M] 3__第3节_StyleGAN v1人脸图像生成模型测试

[ 249] 4__数据和代码.html

资料代码/

7__基于StyleGAN的人脸属性编辑实战/

[ 64M] 1__第1节_StyleGAN人脸属性编辑原理

[4.8M] 2__第2节_实战课程简介

[300M] 3__第3节_人脸特征向量生成

[ 73M] 4__第4节_人脸样式混合与插值

[ 54M] 5__第5节_人脸属性方向向量生成

[ 61M] 6__第6节_人脸表情、年龄、性别编辑

[ 22M] 7__第7节_人脸表情添加与去除

[ 249] 8__数据与代码.html

资料代码/

8__基于EnlightenGAN的自然图像增强实战/

[ 19M] 1__第1节_项目介绍

[ 41M] 2__第2节_数据读取

[132M] 3__第3节_模型搭建

[ 78M] 4__第4节_模型训练

[ 59M] 5__第5节_模型测试

[ 249] 6__数据与代码.html

资料代码/

9__基于DANet的自然图像降噪实战/

[ 15M] 1__第1节_项目简介

[ 66M] 2__第2节_数据读取

[ 32M] 3__第3节_模型搭建

[ 70M] 4__第4节_模型训练

[ 33M] 5__第5节_模型测试

[ 249] 6__数据与代码.html

资料代码/

10__基于U-GA-TIT的人脸动漫风格化实战/

@it资源网ukoou.com

[ 40M] 1__第1节_项目原理简介

[ 26M] 2__第2节_数据读取

[ 68M] 3__第3节_模型搭建

[ 85M] 4__第4节_模型训练

[ 21M] 5__第5节_模型测试

[ 249] 6__数据和代码.html

资料代码/

11__基于BeautyGAN的人脸智能美妆实战/

[ 30M] 1__第1节_项目简介

[ 75M] 2__第2节_数据读取

[ 73M] 3__第3节_模型搭建

[211M] 4__第4节_模型训练

[ 20M] 5__第5节_模型测试

[ 249] 6__数据与代码.html

资料代码/

12__基于SRGAN的图像超分辨实战/

[ 28M] 1__第1节-项目原理

[ 39M] 2__第2节-数据处理

[ 75M] 3__第3节-模型搭建与训练

[ 30M] 4__第4节-模型测试

[ 249] 5__数据与代码.html

资料代码/

13__基于Pix2Pix的黑白图像上色实战/

[ 20M] 1__第1节_项目简介与原理回顾

[ 61M] 2__第2节_数据读取

[138M] 3__第3节_模型搭建

[ 76M] 4__第4节_模型训练

[ 40M] 5__第5节_模型测试

[ 249] 6__数据与代码.html

资料代码/

14__深度学习之数据使用—理论实践篇/

[208M] 1__《深度学习之数据使用》直播01-自动化数据标注

[5.3M] 2__0 课程介绍

[ 39M] 3__1 数据获取

[ 77M] 4__2 数据整理

[ 48M] 5__3 数据标注

[ 75M] 6__4 数据增强方法

[ 36M] 7__5.1 Pytorch图像分类数据增强实践-数据增强接口介绍

[ 50M] 8__5.2 Pytorch图像分类数据增强实践-实验结果

[ 66M] 9__6.1 数据增强开源库imgaug介绍

[ 83M] 10__6.2 数据增强开源库imgaug使用

[ 303] 11__数据与代码.html

资料代码/

15__深度学习之Pytorch—入门及实战/

[6.5M] 1__0-课程介绍

[ 22M] 2__1-PyTorch简介

[ 48M] 3__2.1-Windows系统下配置PyTorch环境

[ 67M] 4__2.2-ubuntu系统下配置PyTorch环境

[ 27M] 5__3.1-张量（上）

[118M] 6__3.2-张量（下）

[148M] 7__4-层结构基本介绍

[ 69M] 8__5-网络结构搭建方法

[ 31M] 9__6-经典分类网络介绍

[ 40M] 10__7-优化器及损失函数

[ 32M] 11__8.1-数据读取及增强（上）

[ 29M] 12__8.2-数据读取及增强（下）

[ 17M] 13__9-模型读取和加载

[ 11M] 14__10.1-从零完成表情识别（项目简介）

[ 85M] 15__10.2-从零完成表情识别（数据读取）

[ 53M] 16__10.3-从零完成表情识别（模型搭建与训练）

[ 22M] 17__10.4-从零完成表情识别（模型测试）

[ 278] 18__代码与数据.html

资料代码/

16__基于DCGAN的人脸嘴部表情图像生成实战/

[ 22M] 1__第1节_任务解读

[ 30M] 2__第2节_模型搭建

[ 79M] 3__第3节_模型训练

[ 15M] 4__第4节_模型测试

[ 249] 5__数据与代码.html

资料代码/