weixin_38014477的博客

原创 CycleGAN 介绍及实际操作问题分析与解决方案

CycleGAN 依靠生成器和判别器之间的对抗训练、循环一致性损失和恒等映射损失，实现了跨域图像转换。在实际操作中，若发现生成器输出越来越接近原图，可能是因为损失权重设置不合理（过高的循环一致性和恒等映射损失），或对抗性损失信号不足、判别器结构太弱。将调整为 10 或更低；将设为 0.5 *或更低。增加判别器卷积层或滤波器数量；调整判别器学习率（例如 0.0002）及 beta 参数（例如 0.5），以防止其过快收敛。