SGAN阅读笔记

SGAN阅读笔记

引言：利用GAN生成适合进行隐写的图片，SGAN由生成器G，判别器D，S。G是生成用于隐写的图片，其输入为随机噪声。判别器D是用来判别图像真假，其输入为真是的图片和生成的图片。判别器S用于判断图片是否含有隐藏数据。通过对抗训练，可以使G产生逼真且适合用于隐写的图片。

原理：根据Good fellow提出的GAN，对其进行修改。
其损失函数为：
SGAN的模型为：
采用随机小批次梯度下降对参数进行更新：
D的参数更新为：
S的参数更新为：

G的参数更新为：
模型介绍：
判别器D和S结构相似：
4个C2D-BN-LR(Conv2d to Batch normalization to leaky relu)，一个全连接层（一个神经元），一个sigmoid函数。
生成器结构如下：
一个全连接层（8192个神经元），和4个C2D-BN-LR，和一个tahn激活函数。
学习率为0.0001，每更一次D和S，更新两次G。
同时定义了一个独立的隐写分析器，其结构为：
图像->用F进行滤波->conv2d->conv2d->Max Pooling ->conv2d->conv2d->Max Pooling ->全连接层(1024个神经元）->全连接层（1个神经元）

在S*的输入图片进行滤波，滤波器F为：