GAN原理介绍及论文&代码汇总

最新推荐文章于 2023-10-08 09:50:34 发布
最新推荐文章于 2023-10-08 09:50:34 发布
阅读量834 收藏 6
点赞数 1
分类专栏： GAN 文章标签： GAN原理介绍 论文汇总
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/CSS360/article/details/89329666
版权

生成对抗式网络 GAN的理解

转自：https://zhuanlan.zhihu.com/p/24767059，感谢分享

生成式对抗网络（GAN）是近年来大热的深度学习模型。最近正好有空看了这方面的一些论文，跑了一个GAN的代码，于是写了这篇文章来介绍一下GAN。

本文主要分为三个部分：

  1. 介绍原始的GAN的原理 
  2. 同样非常重要的DCGAN的原理 
  3. 如何在Tensorflow跑DCGAN的代码，生成如题图所示的动漫头像，附送数据集哦 :-)

一、GAN原理介绍

说到GAN第一篇要看的paper当然是Ian Goodfellow大牛的Generative Adversarial Networks（arxiv：），这篇paper算是这个领域的开山之作。

GAN的基本原理其实非常简单，这里以生成图片为例进行说明。假设我们有两个网络，G（Generator）和D（Discriminator）。正如它的名字所暗示的那样，它们的功能分别是：

  • G是一个生成图片的网络，它接收一个随机的噪声z，通过这个噪声生成图片，记做G(z)。
  • D是一个判别网络，判别一张图片是不是“真实的”。它的输入参数是x，x代表一张图片，输出D（x）代表x为真实图片的概率，如果为1，就代表100%是真实的图片，而输出为0，就代表不可能是真实的图片。

在训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量把G生成的图片和真实的图片分别开来。这样，G和D构成了一个动态的“博弈过程”。

最后博弈的结果是什么？在最理想的状态下，G可以生成足以“以假乱真”的图片G(z)。对于D来说，它难以判定G生成的图片究竟是不是真实的，因此D(G(z)) = 0.5。

这样我们的目的就达成了：我们得到了一个生成式的模型G，它可以用来生成图片。

以上只是大致说了一下GAN的核心原理，如何用数学语言描述呢？这里直接摘录论文里的公式：

 

简单分析一下这个公式：

 

  • 整个式子由两项构成。x表示真实图片，z表示输入G网络的噪声，而G(z)表示G网络生成的图片。
  • D(x)表示D网络判断真实图片是否真实的概率（因为x就是真实的，所以对于D来说，这个值越接近1越好）。而D(G(z))是D网络判断G生成的图片的是否真实的概率。
  • G的目的：上面提到过，D(G(z))是D网络判断G生成的图片是否真实的概率，G应该希望自己生成的图片“越接近真实越好”。也就是说，G希望D(G(z))尽可能得大，这时V(D, G)会变小。因此我们看到式子的最前面的记号是min_G。
  • D的目的：D的能力越强，D(x)应该越大，D(G(x))应该越小。这时V(D,G)会变大。因此式子对于D来说是求最大(max_D)

下面这幅图片很好地描述了这个过程：

那么如何用随机梯度下降法训练D和G？论文中也给出了算法：

 

这里红框圈出的部分是我们要额外注意的。第一步我们训练D，D是希望V(G, D)越大越好，所以是加上梯度(ascending)。第二步训练G时，V(G, D)越小越好，所以是减去梯度(descending)。整个训练过程交替进行。

 

二、DCGAN原理介绍

我们知道深度学习中对图像处理应用最好的模型是CNN，那么如何把CNN与GAN结合？DCGAN是这方面最好的尝试之一（论文地址：[1511.06434] Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks）

DCGAN的原理和GAN是一样的，这里就不在赘述。它只是把上述的G和D换成了两个卷积神经网络（CNN）。但不是直接换就可以了，DCGAN对卷积神经网络的结构做了一些改变，以提高样本的质量和收敛的速度，这些改变有：

  • 取消所有pooling层。G网络中使用转置卷积（transposed convolutional layer）进行上采样，D网络中用加入stride的卷积代替pooling。
  • 在D和G中均使用batch normalization
  • 去掉FC层，使网络变为全卷积网络
  • G网络中使用ReLU作为激活函数，最后一层使用tanh
  • D网络中使用LeakyReLU作为激活函数

DCGAN中的G网络示意：

三、DCGAN in Tensorflow

好了，上面说了一通原理，下面说点有意思的实践部分的内容。

DCGAN的原作者用DCGAN生成LSUN的卧室图片，这并不是特别有意思。之前在网上看到一篇文章 Chainerで顔イラストの自動生成 - Qiita ，是用DCGAN生成动漫人物头像的，效果如下：

这是个很有趣的实践内容。可惜原文是用Chainer做的，这个框架使用的人不多。下面我们就在Tensorflow中复现这个结果。

1. 原始数据集的搜集

首先我们需要用爬虫爬取大量的动漫图片，原文是在这个网站：中爬取的。我尝试的时候，发现在我的网络环境下无法访问这个网站，于是我就写了一个简单的爬虫爬了另外一个著名的动漫图库网站：konachan.net - Konachan.com Anime Wallpapers。

爬虫代码如下：

import requests
from bs4 import BeautifulSoup import os import traceback

def download(url, filename):
if os.path.exists(filename):
print(‘file exists!’)
return
try:
r = requests.get(url, stream=True, timeout=60)
r.raise_for_status()
with open(filename, ‘wb’) as f:
for chunk in r.iter_content(chunk_size=1024):
if chunk: # filter out keep-alive new chunks
f.write(chunk)
f.flush()
return filename
except KeyboardInterrupt:
if os.path.exists(filename):
os.remove(filename)
raise KeyboardInterrupt
except Exception:
traceback.print_exc()
if os.path.exists(filename):
os.remove(filename)

if os.path.exists(‘imgs’) is False:
os.makedirs(‘imgs’)

start = 1
end = 8000
for i in range(start, end + 1):
url = ‘http://konachan.net/post?page=%d&tags=’ % i
html = requests.get(url).text
soup = BeautifulSoup(html, ‘html.parser’)
for img in soup.find_all(‘img’, class_=“preview”):
target_url = ‘http:’ + img[‘src’]
filename = os.path.join(‘imgs’, target_url.split(’/’)[-1])
download(target_url, filename)
print(’%d / %d’ % (i, end))

这个爬虫大概跑了一天，爬下来12万张图片，大概是这样的：

可以看到这里面的图片大多数比较杂乱，还不能直接作为数据训练，我们需要用合适的工具，截取人物的头像进行训练。

2. 头像截取

截取头像和原文一样，直接使用github上一个基于opencv的工具：nagadomi/lbpcascade_animeface。

简单包装下代码：

import cv2
import sys
import os.path from glob import glob

def detect(filename, cascade_file=“lbpcascade_animeface.xml”):
if not os.path.isfile(cascade_file):
raise RuntimeError("%s: not found" % cascade_file)

<span class="n">cascade <span class="o">= <span class="n">cv2<span class="o">.<span class="n">CascadeClassifier<span class="p">(<span class="n">cascade_file<span class="p">)
<span class="n">image <span class="o">= <span class="n">cv2<span class="o">.<span class="n">imread<span class="p">(<span class="n">filename<span class="p">)
<span class="n">gray <span class="o">= <span class="n">cv2<span class="o">.<span class="n">cvtColor<span class="p">(<span class="n">image<span class="p">, <span class="n">cv2<span class="o">.<span class="n">COLOR_BGR2GRAY<span class="p">)
<span class="n">gray <span class="o">= <span class="n">cv2<span class="o">.<span class="n">equalizeHist<span class="p">(<span class="n">gray<span class="p">)

<span class="n">faces <span class="o">= <span class="n">cascade<span class="o">.<span class="n">detectMultiScale<span class="p">(<span class="n">gray<span class="p">,
                                 <span class="c1"><span class="hljs-comment"># detector options</span>
                                 <span class="n">scaleFactor<span class="o">=<span class="mf"><span class="hljs-number">1.1</span><span class="p">,
                                 <span class="n">minNeighbors<span class="o">=<span class="mi"><span class="hljs-number">5</span><span class="p">,
                                 <span class="n">minSize<span class="o">=<span class="p">(<span class="mi"><span class="hljs-number">48</span><span class="p">, <span class="mi"><span class="hljs-number">48</span><span class="p">))
<span class="k"><span class="hljs-keyword">for</span> <span class="n">i<span class="p">, <span class="p">(<span class="n">x<span class="p">, <span class="n">y<span class="p">, <span class="n">w<span class="p">, <span class="n">h<span class="p">) <span class="ow"><span class="hljs-keyword">in</span> <span class="nb">enumerate<span class="p">(<span class="n">faces<span class="p">):
    <span class="n">face <span class="o">= <span class="n">image<span class="p">[<span class="n">y<span class="p">: <span class="n">y <span class="o">+ <span class="n">h<span class="p">, <span class="n">x<span class="p">:<span class="n">x <span class="o">+ <span class="n">w<span class="p">, <span class="p">:]
    <span class="n">face <span class="o">= <span class="n">cv2<span class="o">.<span class="n">resize<span class="p">(<span class="n">face<span class="p">, <span class="p">(<span class="mi"><span class="hljs-number">96</span><span class="p">, <span class="mi"><span class="hljs-number">96</span><span class="p">))
    <span class="n">save_filename <span class="o">= <span class="s1"><span class="hljs-string">'</span><span class="si"><span class="hljs-string">%s</span><span class="s1"><span class="hljs-string">-</span><span class="si"><span class="hljs-string">%d</span><span class="s1"><span class="hljs-string">.jpg'</span> <span class="o">% <span class="p">(<span class="n">os<span class="o">.<span class="n">path<span class="o">.<span class="n">basename<span class="p">(<span class="n">filename<span class="p">)<span class="o">.<span class="n">split<span class="p">(<span class="s1"><span class="hljs-string">'.'</span><span class="p">)[<span class="mi"><span class="hljs-number">0</span><span class="p">], <span class="n">i<span class="p">)
    <span class="n">cv2<span class="o">.<span class="n">imwrite<span class="p">(<span class="s2"><span class="hljs-string">"faces/"</span> <span class="o">+ <span class="n">save_filename<span class="p">, <span class="n">face<span class="p">)

if name == ‘main’:
if os.path.exists(‘faces’) is False:
os.makedirs(‘faces’)
file_list = glob(‘imgs/*.jpg’)
for filename in file_list:
detect(filename)

截取头像后的人物数据：

 

这样就可以用来训练了！

 

如果你不想从头开始爬图片，可以直接使用我爬好的头像数据（275M，约5万多张图片）： 提取码：g5qa

3. 训练

DCGAN在Tensorflow中已经有人造好了轮子：carpedm20/DCGAN-tensorflow，我们直接使用这个代码就可以了。

不过原始代码中只提供了有限的几个数据库，如何训练自己的数据？在model.py中我们找到读数据的几行代码：

 if config.dataset == 'mnist': data_X, data_y = self.load_mnist() else: data = glob(os.path.join("./data", config.dataset, "*.jpg"))

这样读数据的逻辑就很清楚了，我们在data文件夹中再新建一个anime文件夹，把图片直接放到这个文件夹里，运行时指定--dataset anime即可。

运行指令（参数含义：指定生成的图片的尺寸为48x48，我们图片的大小是96x96，跑300个epoch）：

python main.py --image_size 96 --output_size 48 --dataset anime --is_crop True --is_train True --epoch 300 --input_fname_pattern "*.jpg"

4. 结果

第1个epoch跑完（只有一点点轮廓）：

 

第5个epoch之后的结果：第10个epoch：

 

 

200个epoch，仔细看有些图片确实是足以以假乱真的：

 

题图是我从第300个epoch生成的。

四、总结和后续

简单介绍了一下GAN和DCGAN的原理。以及如何使用Tensorflow做一个简单的生成图片的demo。

一些后续阅读：

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：
在这里插入图片描述
下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料

元宇宙MetaAI
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
初学者GAN代码（最好的，直观，代码简单，涵盖30多个）
08-19
初学者入门GAN最好的代码。代码非常简单，下载好数据集后全部可以运行，几乎包括之前所有主流的30多个GAN代码，方便快速上手。
GAN原理详解（附代码）
欢迎来到道的世界
12-08 6716
import argparse from torchvision import datasets, transforms import torch import torch.nn as nn import os import numpy as np from torch.vision.utils import save_image class Generator(nn.Module): def __init__(self, latent_dim, img_size, channels): s
使用生成对抗网络（GAN）实现对图像的生成
weixin_66485159的博客
04-29 5144
本文基于python，使用生成对抗网络（GAN模型）对Fashion MNIST数据集中的图像，进行了生成。
【Gans入门】Pytorch实现Gans代码详解【70+代码】
肥宅Sean
11-05 3841
简述 由于科技论文老师要求阅读Gans论文并在网上找到类似的代码来学习。 文章目录简述代码来源代码含义概览代码分段解释导入包：设置参数：给出标准数据：构建模型：构建优化器迭代细节画图全部代码：参考并学习的链接 代码来源 https://github.com/MorvanZhou/PyTorch-Tutorial/blob/master/tutorial-contents/406_GAN.py 代码...
GAN网络的理解（附上代码）
最新发布
weixin_45784327的博客
10-08 194
GAN的生动解释，公式理解，附上公开代码来源，代码运行结果。
GAN资料——代码、论文、各种资料
09-21
标题"GAN资料——代码、论文、各种资料"表明这是一个关于Generative Adversarial Networks（GANs）的学习资源集合，包含了代码实现、相关论文以及其他多种形式的资料。GANs是一种深度学习框架，主要用于生成逼真的新...
实用代码 20 CycleGAN性别转换
04-18
实用代码 20 CycleGAN性别转换实用代码 20 CycleGAN性别转换实用代码 20 CycleGAN性别转换实用代码 20 CycleGAN性别转换实用代码 20 CycleGAN性别转换实用代码 20 CycleGAN性别转换实用代码 20 CycleGAN性别转换实用...
AlGaN GaN HEMT-silvaco代码
12-30
关于AlGaN GaN HEMT器件的silvaco仿真代码
bre-gan:ICLR2018论文代码
05-13
“通过二值化表示熵（BRE）正则化改进GAN训练”的代码（ICLR2018论文） 论文： : 获取数据对于cifar10 从获取python utils/preprocess_cifar10.py [path_to_downloaded_file]版本的cifar10运行python utils/...
tensorflow2.0 Cycle-GAN测试代码
04-28
tensorflow2.0 Cycle-GAN测试代码
生成对抗网络（GAN）详解与实例
热门推荐
你这个代码我看不懂的博客
03-27 2万+
GAN介绍 理解GAN的直观方法是从博弈论的角度来理解它。GAN由两个参与者组成，即一个生成器和一个判别器，它们都试图击败对方。生成备从分巾中狄取一些随机噪声，并试图从中生成一些类似于输出的分布。生成器总是试图创建与真实分布没有区别的分布。也就是说，伪造的输出看起来应该是真实的图像。 然而，如果没有显式训练或标注，那么生成器将无法判别真实的图像，并且其唯一的来源就是随机浮点数的张量。 之后，GAN将在博弈中引入另一个参与者，即判别器。判别器仅负责通知生成器其生成的输出看起来不像真实图像，以便生成器更改其生成
Gan基础代码详解
qq_45840183的博客
07-31 1440
【代码】Gan基础代码详解。
GAN 源码学习
weixin_40267373的博客
06-04 1506
GAN 源码学习 学习一下 github 上面用 Tensorflow 写的 GAN 代码。 源代码链接：https://github.com/huzixuan1/TF_2.0/blob/master/GAN dataset.py import multiprocessing # 允许程序员充分利用多个核心 import tensorflow as tf # 导入 tensorflow def make_anime_dataset(img_paths,batch_size,resize=64,drop_r
18种热门GAN的PyTorch开源代码 | 附论文地址
TU商的博客
12-20 965
这种模型简称AAE，是一种概率性自编码器，运用GAN，通过将自编码器的隐藏编码向量和任意先验分布进行匹配来进行变分推断，可以用于半监督分类、分离图像的风格和内容、无监督聚类、降维、数据可视化等方面。这种变体能够用两组不同域的无标签图像来训练图像翻译器，架构中的主要GAN学习将图像从域U翻译到域V，而它的对偶GAN学习一个相反的过程，形成一个闭环。最小平方GAN（LSGAN）的提出，是为了解决GAN无监督学习训练中梯度消失的问题，在鉴别器上使用了最小平方损失函数。半监督生成对抗网络简称SGAN。
生成对抗网络（GANs）的资料小结，另附：资源|17类对抗网络经典论文及开源代码（附源码）
sym的博客
07-19 9193
生成对抗网络的一些资料链接和课件整理，另附资源：17类对抗网络经典论文及开源代码（附源码）
历史最全GAN网络及其各种变体整理（附论文及代码实现）
机器学习专栏
07-02 9243
原创： lqfarmer 深度学习与NLP 2018-02-26 文章主要整理了GAN网络及其各种变体模型，并给出了模型的论文出处及代码实现，结合最原始的论文和代码实现，可以加深对模型原理的理解。 目录 GAN Auxiliary Classifier GAN Bidirectional GAN B...
GAN基础知识及代码
石旭先森的博客
09-25 5279
输入是长度100的噪声z（正态分布随机数）输出为（1，28，28）的图片，和MNIST数据集保持一致28super(Generator, self).__init__() # 继承父类nn.Tanh() # 最后必须用tanh，把数据分布到（-1，1）之间)def forward(self, x): # x表示长度为100的噪声输入img = img.view(-1,28,28,1) # 方便等会绘图输入为（1，28，28）的mnist图片。
gan（对抗生成网络）代码详解（一）-gan
wyx100的专栏
09-10 1734
from __future__ import print_function, division from keras.datasets import mnist from keras.layers import Input, Dense, Reshape, Flatten, Dropout from keras.layers import BatchNormalization, Acti...
简单GAN实例代码
m0_61356812的博客
07-18 1360
简单GAN实例代码
GAN原理的GAN基本介绍
07-28
GAN（Generative Adversarial Networks）是一种生成模型，由生成器（Generator）和判别器（Discriminator）组成。GAN的目标是通过两个模型的博弈来训练生成器，使其能够生成逼真的样本数据。 生成器的作用是学习...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值