GAN对抗生成网络原理架构学习

1 对抗生成网络模型

1.1 各个模块代表含义

Random Vector ：随机向量，作为生成器的输入，里面是什么数据我们不用关心，通常情况下使用$100z$来表示，即100维的向量，里面是噪音数据。

Generator Network ：生成器，顾名思义用于生成出一个结果，起作用是把一个噪音数据（或垃圾向量）慢慢地进行转换，输出成为一个始终为假的结果

Fake Image：生成器的输出结果，始终为假，即始终为0

Random Index ：

Discriminator Network： 判别器，作用是判别真假，其输入来自两个部分，生成器生成的结果和训练集随机选出来的结果，其输出就两个值0或1，所以是一个二分类网络

Random Index：真实数据

Training Set：训练集，作用是从训练集中随机选一部分数据输出。

Real Image：训练集的输出结果，始终为真，即始终为1

1.2 “对抗” 一词的理解

把生成器比作矛，判别器比作盾。生成器与判别器就是一对矛盾，生成器需要不断地优化自己生成的数据来以假乱真骗过判别器，而判别器也需要不断地提高判别能力将识别出来为假的内容。

2 对抗生成网络应用

2.1 按照特定目标对图像进行转换

2.2 根据已有的人脸照片随机生成一些人脸数据

2.3 超分辨率重构