[深度学习从入门到女装]cGANs

论文地址：Conditional Generative Adversarial Nets

 

Conditional Generative Adversarial Nets（cGANs）条件生成对抗网络

就是在之前GANs中，都是无条件约束的生成，在cGANs中，在D和G的输入都加入条件，使得生成的模型是在一定条件下进行的，能够更好得达到要求

整个网络结构如上图所示，其中z为生成网络随机的输入，y为条件，x为真实样本

训练过程仍如GANs，先训练判别器，再训练生成器，交替进行，直到判别器无法判定真实样本和生成的样本

 

训练过程中，不同的在于，判别器D需要判别三种类型：

（1）条件和与条件相符的真实图片，期望输出为1；（2）条件和与条件不符的真实图片，期望输出为0；（3）条件和生成网络生成的输出，期望输出为0

 

 

在cGANs的论文中，进行了MNIST数据集的测试

在这个测试中，加入的条件为每个图片的标签

也就是生成器G的输入为随机向量和需要生成的图片的对应标签

判别器D的输入为真实图片和真实图片对应的标签、以及生成图片

下图为生成的一些图片

 

我的对于条件的理解是这样的，也就是之前我们一个GAN，只把0这个数字的图片作为真实样本放入GAN训练，GAN能生成一个数字的图片比如0这个数字的图片，我们要想要生成0-9所有的对应图片，我们需要训练10个不同的GAN，

但是加入条件，也就是每个图片样本对应的标签的时候，我们就可以把10个数字的样本和对应的标签都同时放到这个网络里边，我们就可以使用一个GAN网络生成0-9这十个数字的图片了

 

参考：https://blog.csdn.net/taoyafan/article/details/81229466