O Guia Completo sobre GANs: Redes Adversárias Generativas
Deep Learning e Visão Computacional em projetos fascinantes com uma das tecnologias mais revolucionárias do mundo!
What you will learn
Entenda a intuição básica sobre as GANs
Gerar imagens de dígitos (0 - 9) utilizando DCGAN e WGAN
Transformar imagens de satélites em mapas utilizando a arquitetura Pix2Pix
Transformar zebras em cavalos utilizando a arquitetura CycleGAN
Transferir estilos entre imagens
Aplicar super resolução para melhorar a qualidade de imagens utilizando a arquitetura ESRGAN
Criar novos rostos de pessoas com alta qualidade e definição utilizando ProGAN e StyleGAN
Gerar imagens por meio de descrições textuais
Restaurar fotos antigas utilizando GFP-GAN
Completar partes faltantes de imagens utilizando a arquitetura Boundless
Gerar deepfakes para trocar rostos com SimSwap
Why take this course?
As GANs (Generative Adversarial Networks - Redes Adversárias Generativas) são consideradas uma das tecnologias mais modernas e fascinantes dentro da área de Deep Learning e Visão Computacional. Elas tem ganhado bastante destaque na mídia por terem a característica de gerarem conteúdo falso (fake). Um dos exemplos mais clássicos é a criação de pessoas que não existem no mundo real para transmitirem telejornais e lerem as notícias, ou seja, a GAN consegue criar uma pessoa para falar com o telespectador. Essa tecnologia é considerada uma revolução na área de Inteligência Artificial por produzir resultados de alta qualidade, mantendo-se como um dos temas mais populares e relevantes.
Para levar você até essa área, neste curso você terá uma visão teórica básica e principalmente prática sobre as principais e mais modernas arquiteturas de GANs! Este curso é considerado um guia completo pelo fato de apresentar desde conceitos mais básicos até técnicas mais modernas e avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir seus próprios projetos! Veja abaixo alguns dos projetos que serão implementados passo a passo:
Geração dos dígitos de 0 até 9
Transformação de imagens de satélite em imagens no formato de mapas, no estilo do Google Maps
Transformação de desenhos (ou somente rabiscos) em fotos de alta qualidade
Gerar zebras utilizando images de cavalos
Transferir estilos entre imagens, utilizando pinturas de artistas famosos como Van Gogh, Cezanne e Ukiyo-e
Aumentar a resolução de imagens com baixa qualidade (super resolução)
Gerar deepfakes (faces falsas) com alta qualidade
Gerar imagens de gatos e carros que não existem no mundo real
Criar imagens por meio de descrições textuais
Restaurar fotos antigas
Completar partes faltantes de imagens
Trocar o rosto de pessoas que estão em ambientes diferentes
Para implementar esses projetos, você aprenderá várias arquiteturas diferentes de GANs, como por exemplo: DCGAN (Deep Convolutional Generative Adversarial Network), WGAN (Wassertein GAN), WGAN-GP (Wassertein GAN-Gradient Penalty), cGAN (conditional GAN), Pix2Pix (Image-to-Image), CycleGAN (Cycle-Consistent Adversarial Network), SRGAN (Super Resolution GAN), ESRGAN (Enhanced Super Resolution GAN), ProGAN (Progressively Growing GAN), StyleGAN (Style-Based Generator Architecture for GANs), StackGAN (Stacked GANs), AttnGAN (Fine-Grained Text to Image Generation with Attentional GANs), BigGAN, GFP-GAN (Generative Facial Prior GAN), GAN ilimitada (Boundless) e SimSwap (Simple Swap).
Durante o curso, vamos utilizar a linguagem de programação Python e o Google Colab on-line, ou seja, você não precisa se preocupar com instalações e configurações de bibliotecas na sua própria máquina! São mais de 110 aulas e 16 horas de vídeos!