DCGAN 生成二次元头像

8.  DCGAN    2019/11/10

GAN, 又称生成对抗网络, 也是 Generative Adversarial Nets 的简称

 

我们知道自然界的生物无时无刻都不在相互对抗进化，生物在往不被天敌发现的方向进化， 而天敌则是对抗生物的进化去更容易发现生物。 二者就是在做一个博弈。

 

GAN网络和生物对抗进化一样， 也是一个博弈的过程。 我们通过网络的Generator去生成图片， 通过Discriminator去判别图片是否是网络生成的还是真实图片。Generator 和 Discriminator相互对抗， Generator在往生成图片不被Discriminator发现为假的方向进化， 而Discriminator则是在往更准确发现图片为Generator生成的方向进化。 这是二者的一个博弈过程。

 

DCGAN：  将CNN应用于GAN。

 

DCGAN:论文地址： https://arxiv.org/abs/1511.06434

 

DCGAN 论文中的网络结构：

 

DCGAN详情：

1.使用转置卷积代替池化

2.使用Batch_Normalization在Generator和Discriminator， 但是Generator输出层不使用

3.移除卷积网络后的全连接层

4.Generator各个隐含层的激活函数使用relu, 输出层使用tanh

   Discriminator每一层都使用leaky_Relu, alpha=0.2

5.使用AdamOptimizer进行梯度下降， learning_rate=0.0002, beta1=0.5

 

DCGAN实例：

    使用DCGAN生成二次元图片

 

项目地址：

https://github.com/yueqianlongma/GAN

 

数据说明：

第一种： 原始数据， 每张图片为90X90

第二种： 自己处理后的数据， 为一个mat文件， 包含了大概12800张64X64的图片

生成的mat文件过大， 这里我只给出原始数据， 可以不使用mat文件， 直接对图片进行大小转换