入职第一个GAN任务

        在用检测做工业质检的过程中，合格的产品有非常多，但不合格产品量少且形态各异。为了增强数据集，就需要生成大量不合格产品的图片。具体地，我得生成有瑕疵的磁材。此为背景。

        本来有两个任务可选，其中一个就是我研究的用GAN生成，所以毫不犹豫地选了这个（另一个忘了）。

        老大说，这个任务不着急，让我自己觉着怎么有意思怎么来。重要的是要好玩～自己玩儿着开心～（工作真清闲）。可以尝试多个网络以后，把它写的模块化，方便用。我们一切都目的都是为了懒（非常赞同）。

        所以呢，为了懒，我打算先找个pix2pix跑跑看看效果。然后再基于这个模块框架往里加别的模型就好啦。

        目前为止就只有pix2pix、cycleGAN（对本项目没啥用）、non-stationary-texture GAN（今天刚看懂加进去调通）。为了不耗费我写博客的热情，就直接从non-stationary-texture GAN 开始写啦。

1. pix2pix

略

2. Non-stationary-texture GAN

        目前，生成平稳纹理的模型已经很多了，但是自然界中存在很多非平稳的纹理，生成这些纹理的问题还没解决。这篇文章提出了一种非平稳纹理生成模型。一旦训练完毕，输入一张纹理图，模型就可以将其尺寸扩大，延伸其纹理（如下图）。目前，现存的模型还没有比这篇文章效果好的。（文章发表于2018年8月）