GAN网络由生成器generator和判别器discrimator组成:
- 生成器输入固定长度的随机噪声,输出固定尺寸的图像(即伪造的假图);
- 判别器输入图像,输出该图像是真图的概率。
将生成器和判别器首尾相连构成一个大网络,输入是随机噪声,输出图像是真图的概率(这个图像可以是生成器生成的图像,也可以是人为输入给判别器的图像)。
训练流程:
- 首先固定住生成器,输入随机噪声,将生成器输出的假图和同样多的真图输入判别器,训练标签和输入对应:假图-0,真图-1;只训练判别器,训练结果是判别器可以分辨真图和非常差的假图;
- 然后,固定住判别器,向生成器输入噪声,将生成的假图送入判别器,判别器的标签是:假图-1,训练网络(因为固定住判别器,所以训练结果就是生成器逐渐提高造假能力,让原本只能分辨非常差的假图的判别器分辨不出来生成器输出图像是假图);
- 重复上面两个步骤,生成器和判别器不断迭代提高性能,最终生成器输出的图像达到人眼分辨不出的地步。
图像来源:https://www.leiphone.com/news/201706/ty7H504cn7l6EVLd.html