资源库网站建设,软件商城免费下载 app,网站建设方案书是啥,网站风格有哪些生成对抗网络 GAN
什么是GAN
GAN含义#xff1a;生成对抗网络#xff08;Generative Adversarial Networks#xff09;#xff0c;主要做目标判别#xff0c;应用在图像分类、语义分割、目标检测。
GAN简述#xff1a;GAN包括生成器Generator(G)、判别模型Discriminat…生成对抗网络 GAN
什么是GAN
GAN含义生成对抗网络Generative Adversarial Networks主要做目标判别应用在图像分类、语义分割、目标检测。
GAN简述GAN包括生成器Generator(G)、判别模型Discriminator(D)。 首先给G输入向量G会生成一张图片数据尽可能符合训练数据的分布。将生成的图像和数据集一起送给D由D判断是真数据还是生成的假数据打分区间在【0-1】。 GAN详解
有一个形象的例子例子来源生成对抗网络GAN从入门到精通一初识GAN Generator生成器输入向量—输出图片/文本,是一种映射。 生成器的简单结构就是一个神经网络输入是数值在01范围内的n维向量输出是一张图片。
Discriminator判别器来自于数据集真实的图像标注为1假的图像标注为0。 GAN的过程就生成器不断的生成假的类似于数据集的图像/文本最终以假乱真。判别器不断提高自己的判别能力者能力在这个过程中不断提升。 训练GAN网络
GAN网络训练分为两部分第一部分训练判别器第二部分训练生成器。训练某一部分时必须固定另一部分。
训练判别器 判别器其实就是一个二分类任务需要判别图片的真/假。通过交叉熵损失函数判断与真实值的差距然后反向传递参数。 这个公式的意义在于生成器希望损失函数越小越好希望判别器判别不出来真假判别器希望损失函数越大越好尽可能的判别出来真假。这里取log的原因是对于差异进行放大便于后续优化。
对于真实的样本来说判别出来的值越高越好对于假的样本来说判别出来的值越小越好。
详细的实战案例DCGAN的结构实现——代码实践DCGAN的结构实现
参考链接
陈万军老师的课件GAN生成式GAN----飞桨大佬假面骑士Quit
