基于CycleGan开源项目实战图像合成

项目代码及数据链接见文末

         没有配对图像能够进行图像生成吗？当然可以，CycleGan不需要配对的数据，例如，只要我们知道马的样子和斑马的样子，我们就能够很轻松的将马转化为斑马。

1.网络结构

        传统GAN网络是，我们将图像输入到一个生成器网络中得到一个假的图像，然后再输入到判别器进行判别。 

       

        那么。传统GAN网络能不能做呢？很显然，并不能。对于输入的斑马来说，现在没有配对的马的图片，马的图片是完完全全不同的分布。这时候，我们需要从形态各异的斑马生成形态各异的马。这很可能导致模式崩塌问题。因此，我们可以采取一种新的方法，让斑马生成的马保持其原来的形态，这样就不容易导致模式崩塌问题了

        那么现在怎么做呢？因此，我们可以结合翻译应该是“循环一致的”的性质，即如果我们翻译，例如，把一个句子从英语翻译成法语，然后把它从法语翻译回英语，我们应该返回到原来的句子。即我们现在既要让斑