生成对抗网络的基本思想:
生成对抗网络中有两个模型Generator和Discriminator,生成模型可以比作counterfeiters,判别模型可以比做是police,生成模型通过自身的优化产生越来越像真钞的假币
,而判别模型也通过对自身不断的优化提高自己判别假币的能力,两者相互对抗,直到仿品不能从真品中分辨出来。
生成模型:
比如一个图片的生成输入是高维的vector,输出为图片
判别模型:输入为一张图片,输出一个标量值,判别器会给来自training 数据集的image高分,而对来自generator的image一个低分值
上图是生成对抗网络中给的图解释如下:
蓝色是D
黑色圆点是Pdata分布
绿色实线是Pg
图a中D给来自Pdata中的数据给高分,来自G的数据低分
图b中在训练过程中迭代。
图c中,G根据判别器给的分不断调整G使得Pg接近Pdata
图d当当两者分布一致时,判别器没有坏掉,不起判别作用
生成对抗网络的基本原理:
假如x是一张图片,在这张图片内部有很多种分布,但是在上面的图片中蓝色的区域有很高的概率表示一张图片,蓝色以外的部分的分布产生的图片往往是模糊的(很低的概率),所以我们就试图找到蓝色区域的分布Pdata(x)
但是想要找到这样的分布十分的困难,只能从Pdata中采样,然后用最大似然法不断的逼近原始分布。(生成对抗网络从一个先验的分布中采样)