CycleGAN算法原理（附源代码，可直接运行）

前言

CycleGAN是在今年三月底放在arxiv（论文地址CycleGAN）的一篇文章，文章名为Learning to Discover Cross-Domain Relations with Generative Adversarial Networks，同一时期还有两篇非常类似的DualGAN（论文地址：DualGAN）和DiscoGAN（论文地址：DiscoGAN），简单来说，它们的功能就是：自动将某一类图片转换成另外一类图片。不同于GAN和CGAN（上节已经介绍过），CycleGAN不需要配对的训练图像。当然了配对图像也完全可以，不过大多时候配对图像比较难获取。

配对图像

未配对的图像

CycleGAN能做什么？

CycleGAN可以完成GAN和CGAN的工作，如上述配对图像所示，可以从一个特定的场景模式图生成另外一个场景模式图，这两张场景模式中的物体完全相同。除此之外，CycleGAN还可以完成从一个模式到另外一个模式的转换，转换的过程中，物体发生了改变，比如下面的图像中从猫到狗，从男人到女人。

CycleGAN算法原理

如下图所示CycleGAN其实是由两个判别器($D_ {x}$和 D