本文介绍了对抗生成网络的基本概念，包括生成器和判别器，并详细阐述了DCGAN的网络架构，如使用带步长的卷积和微步幅卷积进行上下采样，以及激活函数LeakyReLU和批标准化的应用。同时，提供了源代码dcgan.py用于实际操作。
对抗生成网络有两个重要概念
- 生成器：火眼金睛，分辨出生和真实的
- 判别器：瞒天过海，骗过判别器
- 损失函数定义：一方面要让判别器分辨能力更强，另一方面要让生成器更真。
网络架构
输入层：待生成图像和（噪音）和真实数据
生成网络：将噪音图像进行生成
判断网络：
- (1)判断真实图像输出结果
- (2)判断生成图像输出结果
目标函数：
- (1)对于生成网络要使得生成结果通过判别网络为真
- (2)对于判断网络要使得输入为真实图像时判别为真输入为生成图像时判别为假。
判别模型：
log(D1(x))+log(1−D2(G(z))
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
