GAN网络概述及LOSS函数详解

Generative Adversarial Nets
上周周报已经写了这篇论文，本周相对GAN网络的LOSS进行进一步的学习和研究。

GAN网络：

条件：G依照真实图像生成大量的类似图像，D是辨别输入的图像是真实图像还是G生成的虚假图像。
原理：G和D是互相促进的。G的目的是产生的图像让D感到模糊不知道该分成realistic（看起来像是现实的）还是fake（看起来是假的），D的目的是将realistic和fake的图像准确分辨。所以G产生的图像会越来越真，D的辨别能力会越来越强，最终达到一个平衡。这种纳什均衡保证了GAN产生的所有图像都可以与原始图像属于一个类别。
作用：GAN大量用于扩充数据集或者给未标记的数据集打标签等任务上。

一些GAN网络的比较：
1，用于图像生成方面

2.用于风格迁移

3.图像还原与修复

LOSS：