Paper:
Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks. (Disponível em: https://bit.ly/2se6DpY)

Resumo:
In recent years, supervised learning with convolutional networks (CNNs) has seen huge adoption in computer vision applications. Comparatively, unsupervised learning with CNNs has received less attention. In this work we hope to help bridge the gap between the success of CNNs for supervised learning and unsupervised learning. We introduce a class of CNNs called deep convolutional generative adversarial networks (DCGANs), that have certain architectural constraints, and demonstrate that they are a strong candidate for unsupervised learning. Training on various image datasets, we show convincing evidence that our deep convolutional adversarial pair learns a hierarchy of representations from object parts to scenes in both the generator and discriminator. Additionally, we use the learned features for novel tasks - demonstrating their applicability as general image representations.

Citação formatada:
Radford, A., Metz, L., & Chintala, S. (2015). Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks. Retrieved from http://arxiv.org/abs/1511.06434

FAQ
• Como posso me comunicar com vocês?
Você pode entrar no nosso Telegram (https://t.me/pwl_rj) ou comentar aqui embaixo.

• Preciso ler o paper?
Não necessariamente, você pode ir como ouvinte. Ou ler e discutir o assunto com os demais.

• Como ler um paper?
Existe um paper sobre como ler papers disponível aqui: https://goo.gl/cFxPTL

• Todos os papers são em inglês?
A maioria.

• Em que idioma acontecem as discussões?
Em português, sempre em português. Preferencialmente com sotaque chiado carioca.

• Posso sugerir tema para um próximo encontro?
Sim, por favor.

• Posso propor uma palestra sobre algum paper para um próximo encontro?
Sim, por favor.

• Posso mostrar minha implementação de ideia retirada de algum paper?
Sim, por favor.

• Preciso levar o paper impresso?
Não, ao menos que queira, como para usar como guia ou lembrar de pontos chaves.

• Preciso levar meu notebook?
Não, ao menos que queira, como para acessar o paper ou consultar anotações.

• Tem acesso a internet no local?
Após a compra a Starbucks oferece conexão de internet por 90 minutos. A senha de acesso está disponível no próprio cupom fiscal.

• Preciso levar minhas anotações?
Não necessariamente. Porém costumamos levar para comentar nossas impressões.

Thaynara Santos

user 183088276

Papers We Love - Rio de Janeiro

Science & Education

Software Development

Computer Science

Education & Technology

Intellectual Discussions

Reading

Anna Carolina Barros

Husseyn Chaves Alaouieh

Odysseas Lamtzidis

Luiz Felipe Brito

Marcelo Lima

PWL #18: Unsupervised Representation Learning with Deep Convolutional GANs

Starbucks Rua da Assembleia/Rua  Carmo Centro  Rio de Janeiro 

Compartilhar

Papers We Love - Rio de Janeiro

PWL #18: Unsupervised Representation Learning with Deep Convolutional GANs

Papers We Love - Rio de Janeiro

Detalhes

Os membros também se interessam por