GAN网络简述
- GAN网络于2014年由 Ian Goodfellow教授在论文Generative Adversarial Nets中提出,是一种训练生成式模型的新方法,目前多用于图像分类(以下用图像举例)。
- GAN网络包含了两个对抗模型:生成模型(G)输入为带噪图片,输出产生一个看起来像真的图片,迷惑判别模型;判别模型(D)用于判断一个给定的图片是不是真实的图片(包括从数据集里获取的图片和生成网络的输出图片)。在刚开始时,两个模型都是没有经过训练的,两个模型一起对抗训练,生成模型产生一章图片去欺骗判别模型,然后判别模型去判断这张图片的真假,最终两个模型能力越来越强,达到稳态。
另外,GANs一些新的应用在下面这篇博文中有所介绍,都是一些比较新的idea:
https://adeshpande3.github.io/adeshpande3.github.io/Deep-Learning-Research-Review-Week-1-Generative-Adversarial-Nets