1、GAN简介
GAN,对抗生成网络, 包括两个网络,即生成器G与判别器D。它们的功能分别是:
(1)G是一个生成图片的网络,它接收一个随机的噪声z,通过这个噪声生成图片,记做G(z)。相当于decoder。
(2)D是一个判别网络,判别一张图片是不是“真实的”。它的输入参数是x,x代表一张图片,输出D(x)代表x为真实图片的概率,如果为1,就代表100%是真实的图片,而输出为0,就代表不可能是真实的图片。相当于encoder。
在训练过程中,生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量把G生成的图片和真实的图片分别开来。这样,G和D构成了一个动态的“博弈过程”。在最理想的状态下,G可以生成足以“以假乱真”的图片G(z)。对于D来说,它难以判定G生成的图片究竟是不是真实的,因此D(G(z)) = 0.5。这样我们就得到了一个生成式的模型G,它可以用来生成图片。
2、GAN博弈过程
第1代生成器输入随机噪声,输出一张生成的图片,和真实图片一起喂入第1代鉴别器,鉴别器可以判断出这个样本是来自生成器还是真实图片,然后第2代生成器调节参数,生成一张更为真实的图片,继续喂给第1代鉴别器,第1代鉴别器无法判断这个样本是来自生成器还是真实图片,于是第1代鉴别器调节参数,有了第2代鉴别器,以此类推,直到鉴别器无法判断这个样本是来自生成器还是真实图片。
鉴别器工作:输入一张图像,判断图像和真实图像是否属于同一个数据分布,输出real或fake。
生成器工作:输入随机噪声,生成图像,喂给鉴别器判断真伪,鉴别器判断出来是fake,于是生成器继续生成更真实的图片,直到鉴别器判断结果为1,也就是认为生成器生成的图像是真实图像。
3、GAN原理
(1)极大似然估计 -- 已知结果,倒推出现这种结果最可能的参数。
(2)生成器通过函数G尽可能学习一个分布