cycle GAN简单介绍

cycle GAN
在这里插入图片描述

此GAN适用于非配对图像到图像的转化,风格迁移
p2pGAN必须要成对的数据进行训练,现实生活中比较难找
原理:获取一个数据集的特征,并转化为另一个数据集的特征,实际的目标就是学习从X到Y的映射,我们设这个映射为F,F对应GAN的生成器,F可以将X中的图片x转化为Y中的图片F(x),对于生成的图片,我们需要用判别器判别它是否为真实雨图像。
那么会出现一个问题:如果我们采用传统生成对抗网络单独LOSS,我们得到的结果就会成为一张图片, 而不是想要的图像,损失会无效化。即:映射F完全可以将所有x都映射为Y空间中的同一张图片,所有输入的图像都变成了Y中的一张图像,这样也符合D的标准,使损失无效化
对此 作者提出了循环一致性
在这里插入图片描述
论文使用生成的图像进行重建与A中的某个图像进行比较,如果相同我们再输入到判别器
cycle GAN对于颜色纹理转换好,但是对于图像图形的转换效果不好。

数据集下载:https://blog.csdn.net/zhou_438/article/details/105290100

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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