小白能够看懂的GAN

作者: 小墨 分类: 对抗生成网络 发布时间: 2021-10-13 23:22 访问量:13,553
FavoriteLoading收藏

随着深度学习的发展,相关的成果也越来越多。 首先看一个坤坤教川普打球的视频,感受一下其强大之处。

下面步入正题。

一、原理介绍

GAN的核心思想是:通过生成网络(Generator)和鉴别网络(Discriminator)的不断博弈,进而使得生成网络能够糊弄较好的糊弄鉴别网络,及生成较为逼真的图片。

可以通过下图来进一步说明。引用来自:https://blog.csdn.net/Sakura55/article/details/81512600

1、生成网络

生成网络主要是生成较为逼真的图像去糊弄鉴别网络,它本质上是在学习某一类数据的分布情况,即P(X|Y)。生成网络接受一个噪音向量,然后生成X,即某种类别的图像,这个过程可以看作是升维的过程。

2、鉴别网络

鉴别网络主要是识别生成网络生成的图像是真的(True)还是假的(Fake),即P(Y|X)。鉴别网络的输入为真实照片和生成网络生成的照片,然后进行图像分类,最终输出是某种类别的概率。

3、模型训练

根据分类的好坏计算损失函数,然后通过反向传播更新网络参数(交替更新)。

二、总结

GAN所建立的一个学习模式,实际上就是生成模型和鉴别模型之间的一个模仿游戏。生成模型的目的,就是要尽量去模仿、建模和学习真实数据的分布规律;而鉴别模型则是要判别自己所得到的一个输入数据,究竟是来自于真实的数据分布还是来自于一个生成模型。通过这两个内部模型之间不断的竞争,从而提高两个模型的生成能力和判别能力。

     

如果觉得小墨的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!

一条评论
  • 头像

    小球球

    2021年10月18日 下午4:37

    想了解更多。。。

发表评论