生成對(duì)抗網(wǎng)絡(luò)(GAN)的簡(jiǎn)介
????????生成對(duì)抗網(wǎng)絡(luò)GAN(Generative adversarial networks)是Goodfellow等在2014年提出的一種生成式模型。GAN在結(jié)構(gòu)上受博弈論中的二元零和博弈(即二元的利益之和為零，一方的所得正是另一方的所失)的啟發(fā)，系統(tǒng)由一個(gè)生成器和一個(gè)判別器構(gòu)成。
????????生成器和判別器均可以采用目前研究火熱的深度神經(jīng)網(wǎng)絡(luò)構(gòu)建。GAN的優(yōu)化過(guò)程是一個(gè)極小極大博弈(Minimax game)問(wèn)題，優(yōu)化目標(biāo)是達(dá)到納什均衡，使生成器估測(cè)到數(shù)據(jù)樣本的分布.
舉個(gè)例子，生成器和判別器的關(guān)系就像假幣制造商和警察之間的關(guān)系一樣。
GAN網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示：
????????生成對(duì)抗網(wǎng)絡(luò)(GANGenerative Adeversaial Networks)作為一種深度學(xué)習(xí)框架，是近幾年來(lái)無(wú)監(jiān)督學(xué)習(xí)方法最具前景的方法之一。2014年，lan Goodellow發(fā)表論文《Generative Adversaril Net》首次對(duì)GAN進(jìn)行了說(shuō)明描述。如圖所示，GAN由兩個(gè)模型組成:(1)生成模型(生成器)⑵判別模型（判別器)。在實(shí)驗(yàn)過(guò)程中，生成器會(huì)生成像訓(xùn)練圖像的高仿圖像，而判別器則需要判斷生成器中的圖像是否為真實(shí)圖像。為了這個(gè)目的，生成器在每輪訓(xùn)練中會(huì)提高造假質(zhì)量以生成更好的”假圖像"來(lái)騙過(guò)判別器。判別器也需要提升判別能力來(lái)分辨是否造假。這形成了一種博弈，博弈的平衡點(diǎn)就是生成器生成的圖像非常真實(shí)，二判別器的判別概率為50%。
?
生成對(duì)抗網(wǎng)絡(luò)的應(yīng)用
- 卡通動(dòng)漫圖像生成
- 圖像超分辨率重建
- 圖像風(fēng)格遷移
- 從文本到圖像生成
?
?
判別器與生成器模型的建立
處理數(shù)據(jù)后，需搭建GAN的網(wǎng)絡(luò)模型;本節(jié)分別從權(quán)重初始化出發(fā)，搭建生成器、判別器和損失函數(shù)模型。
進(jìn)行數(shù)據(jù)預(yù)處理后，要進(jìn)行定義網(wǎng)絡(luò)與訓(xùn)練模型，對(duì)應(yīng)步驟為：
創(chuàng)建網(wǎng)絡(luò)，創(chuàng)建生成器和判別器，定義損失函數(shù)與優(yōu)化器，連接網(wǎng)絡(luò)與損失函數(shù)。
生成器模型
????????生成器G通過(guò)圖像反卷積操作將噪聲圖像生成目標(biāo)圖像，最后通過(guò)判別器來(lái)評(píng)估其接近真實(shí)圖像的程度，生成器結(jié)構(gòu)如圖所示
? ? ? ? ?建立生成器的步驟：第一步建立轉(zhuǎn)置卷積函數(shù)，第二步建立批標(biāo)準(zhǔn)化函數(shù)，第三步建立GAN網(wǎng)絡(luò)生成器模型，第四步加載預(yù)訓(xùn)練生成器模型，第五步實(shí)例化生成器模型。
判別器模型
判別器對(duì)生成器生成的圖像進(jìn)行判別，最終輸出一個(gè)概率值來(lái)判斷是否為真實(shí)圖像。其結(jié)構(gòu)如圖所示
????????建立判別器模型步驟：第一步建立卷積函數(shù)，第二步建立GAN網(wǎng)絡(luò)判別器模型，第三步加載預(yù)訓(xùn)練判別器模型，第四步實(shí)例化判別器模型。文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-836050.html
?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-836050.html
到了這里，關(guān)于深度學(xué)習(xí)基礎(chǔ)——GAN生成對(duì)抗網(wǎng)絡(luò)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
![深度學(xué)習(xí)進(jìn)階篇[9]：對(duì)抗生成網(wǎng)絡(luò)GANs綜述、代表變體模型、訓(xùn)練策略、GAN在計(jì)算機(jī)視覺應(yīng)用和常見數(shù)據(jù)集介紹，以及前沿問(wèn)題解決](https://imgs.yssmx.com/Uploads/2024/02/717842-1.png)
