原理:
生成式对抗网络(generative adversarial network, GAN)是生成模型中的一种,可以自动学习原始图像的数据分布,而不需要提前假设原始数据属于哪种分布,只是不知道参数。GAN基于博弈论场景,由生成器网络和判别器网络构成,生成器网络用来从随机噪声数据中生成近似真实数据分布的样本,供判别器网络使用;判别器网络对真实数据和由生成器网络得到的假数据进行判别;生成器网络希望自己得到的数据可以以假乱真,使得判别器网络可以判定为真,而判别器网络希望可以准确分出真实数据,使得生成器网络得到的数据判定为假,两者博弈,不断改进自己的网络,直到判别器分不出是真实数据还是假的数据为止。结构如下图所示。
目标函数:
生成器G的目的是将随机噪声z生成一个和真实数据分布差不多的真实分布
,参数
为网络的参数,我们希望找的
使得
和
类似。我们从真实数据分布中采样m个点:
,计算概率
,则m个样本的似然函数为:
则我们的目标是找到最大化似然函数。
多减去一个常数项对结果没有影响,因此可得:
计算如下:
生成器G是给定先验