GAN实战——TinyMind书法字体生成练习赛开始报名拉!
生成式对抗网络(GAN)是近年来大热的深度学习模型。
目前GAN最常使用的场景就是图像生成,作为一种优秀的生成式模型,GAN引爆了许多图像生成的有趣应用。在图像生成模型的质量上,生成对抗网络技术可以说实现了飞跃,很多衍生模型已经在一定程度上解决了特定场景中的图像生成问题。此外,诸如文本到图像的生成、图像到图像的生成等应用研究也让工业界与学术界都非常“兴奋”,为人工智能行业带来了非常多的可能性。
为了带大家领略GAN的"优秀",TinyMind特此策划了本次书法字体生成实战练习赛。
新手动手前,来补一波GAN吧~
比赛规则
赛题要求参赛者利用GAN来生成多种样式的汉字字体,对于生成的文字图片,我们将采用Frechet Inception Distance(FID)来作为评估标准,得分越低,代表生成的字体图片的质量和多样性就越好,相应的排名也就越靠前。
第一阶段评测时间:3月25日-4月24日 ; 第一阶段结束后进入自由练习阶段。
1、参赛者最终需提交由模型生成出来的任选10000张图片,大小为128x128,格式为png或者jpeg,置于一个文件夹里生成ZIP格式压缩包,用于线上的FID评估。
(10000张,128x128, png/jpeg,.Zip,以上关键词一个都不能错)
2、本练习赛采用Frechet Inception Distance(FID)来作为评估标准,得分越低,代表生成的字体图片的质量和多样性就越好,相应的排名也就越靠前。
3、第一阶段成绩以4月24日23:59前提交的结果为准。排行榜更新后为本阶段名次。
4、本次比赛可以个人形式和团队形式参与,每团队不超过5人。每账户每天最多提交5次。
5、本次比赛以学习交流为目的,我们将不定期邀请参赛大佬来分享思路,请注意交流群信息。
评估方法
关于FID的描述:公式中的μ代表mean,Σ代表covariance.Tr代表sums up all the diagonal elements,x代表真实图片(原始数据集),g代表生成的图片
FID参考资料:Martin Heusel, Hubert Ramsauer, Thomas Unterthiner, Bernhard Nessler, and Sepp Hochreiter. GANs trained by a two time-scale update rule converge to a local Nash equilibrium. In Advances in Neural Information Processing Systems, 2017
数据说明
本次竞赛共有4W张图片作为训练集,由训练集模型生成的新字体图片任选1W张通过以下方式提交第一阶段评分测试
训练集: https://pan.baidu.com/s/14CjjpdioBUcwJQkC5NQzrw 提取码: nrfs
*训练集数据由中国书法网提供并持有版权。参赛人员不能把数据用于除参加本次比赛的其他目的,不能把数据共享给第三方或者发布到公共领域供第三方下载,不能利用本数据形成最终的产品或者服务。
练习赛交流群
扫码加助手微信,回复“字体练习赛”,进入练习赛交流群。
奖励
1、第一阶段排行榜前10名团队获得《生成对抗网络入门指南》一本。(每队一本,多人团队请内部协商)
本书结合基础理论与工程实践,深入浅出地讲解了生成对抗网络的各类模型以及技术发展。
感谢机械工业出版社华章科技友情赞助
2、比赛期间,鼓励大家分享经验心得,发布到TinyMind文章频道,经审核后,可获得一件纪念T恤。
GAN实战——TinyMind书法字体生成练习赛开始报名拉!相关推荐
- 【AI竞赛】GAN实战——TinyMind书法字体生成练习赛开始报名拉!
生成式对抗网络(GAN)是近年来大热的深度学习模型. 目前GAN最常使用的场景就是图像生成,作为一种优秀的生成式模型,GAN引爆了许多图像生成的有趣应用.在图像生成模型的质量上,生成对抗网络技术可以说 ...
- GAN实战——书法字体生成练习赛开始报名啦!
生成式对抗网络(GAN)是近年来大热的深度学习模型. 目前GAN最常使用的场景就是图像生成,作为一种优秀的生成式模型,GAN引爆了许多图像生成的有趣应用.在图像生成模型的质量上,生成对抗网络技术可以说 ...
- 生成式对抗网络(GAN)实战——书法字体生成练习赛
https://www.tinymind.cn/competitions/ai 生成式对抗网络(GAN)是近年来大热的深度学习模型. 目前GAN最常使用的场景就是图像生成,作为一种优秀的生成式模型,G ...
- GAN实战之Pytorch 使用CGAN生成指定MNIST手写数字
有关条件GAN(cgan)的相关原理,可以参考: GAN系列之CGAN原理简介以及pytorch项目代码实现 其他类型的GAN原理介绍以及应用,可以查看我的GANs专栏 一.数据集介绍,加载数据 依旧 ...
- 字体生成GAN(GlyphGAN)学习笔记
最近一直在看GAN的论文,学校事情很多就不一一做笔记了. 今天看到了一个很有趣的字体生成GAN,简单说一说,但很遗憾GlyphGAN只用来生成英文字母. GAN字体生成也有很过相关研究,包括最早的基于 ...
- 资源 | 《GAN实战:生成对抗网络深度学习》牛津大学Jakub著作(附下载)
来源:专知 本文共1000字,建议阅读5分钟. 本书囊括了关于GAN的定义.训练.变体等,是关于GAN的最好的书籍之一. [ 导读 ]生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可 ...
- 【开源】对基于图像背景的字体生成、人体姿势预测、关键点检测、超分辨率等探讨...
本文推荐本周值得关注的已开源论文,包含文本识别.关键点检测.人体姿势预测.Transformer.图像超分辨率等 10 篇. 01 Font Style that Fits a ...
- 基于NLP的书法字体分析、统计及可视化
基于NLP对书法字体进行分析.统计.可视化 选题3: 对十二个"一"的文艺创作作业进行文本分析.统计和可视化 任务主题: 对全体同学的文艺创作进行文本 ...
- 图像对抗生成网络 GAN学习01:从头搭建最简单的GAN网络,利用神经网络生成手写体数字数据(tensorflow)
图像对抗生成网络 GAN学习01:从头搭建最简单的GAN网络,利用神经网络生成手写体数字数据(tensorflow) 文章目录 图像对抗生成网络 GAN学习01:从头搭建最简单的GAN网络,利用神经网 ...
最新文章
- 单细胞RNA降维之UMAP
- 折半插入排序稳定吗_C++实现经典算法--折半插入排序
- 《2021人脸识别行业白皮书》发布 拥挤安防还有多少空间?
- 7 个习惯帮你提升Python运行性能
- HttpURLConnection简单用法
- 飞秋爱好者(WZ132)
- android 简易涂鸦板,canvas实现的简易涂鸦板效果
- python gps与高德地图poi_Python——使用高德API获取指定城指定类别POI并实现XLSX文件合并...
- 中兴myos和鸿蒙,继华为鸿蒙系统以后!中兴再次发布新系统MyOS:可媲美苹果
- 传奇开服很难吗?教你怎么给Hero传奇引擎添加NPC
- maxscale mysql 主从_MySQL高可用——MaxScale
- “Deep Freeze冰点还原”解冻操作
- (pattern),(?:pattern),(?=pattern)(?!pattern)不明白,让我豁然开朗的文章
- unity关闭方向键对于toggle按钮组的影响
- Android11.0(R) HAL 相机集成水印算法+多帧算法
- 文件服务器文件夹,共享文件夹及权限迁移
- 电脑无法识别扫码枪怎么办?看4点解决方法就知道
- linux V4L2子系统——v4l2架构(3)之video_device
- Notifiction
- Django静态文件的管理
热门文章
- Java设计模式(五)代理设计模式—静态代理—JDK动态代理—Cglib动态代理
- Grafana+Prometheus实现Ceph监控和cephfs的基本使用(二)
- 打开Word文档的时候提示mathtype “安全警告 宏已被禁用”
- 学习Java软件编程哪个机构好
- 9x9九宫格java_9x9九宫格数独填写规律
- InnoDB之redo log
- 信息系统集成考试中pv,ev,ac相关概念及运算
- 单道批处理系统,多道批处理系统,分时系统比较(概念,特点,优缺点)
- linux文件夹加密忘记密码,如何通过密码保护Linux上的文件夹或目录?
- matlab单边带调制器设计,通信系统综合设计与实践(基于MATLAB的单边带调制)研究.doc...