生成对抗网络gan原理_生成对抗网络GAN生成以假乱真的照片

假如我们正在处理艺术画廊，生成器就是试图创造假艺术品并出售它们的人，鉴别器就是是试图检查艺术品是否真实的策展人。一开始，他们的工作可能不尽人意，但他们会从经验中学习。

这些图像中没有人是真实的，他们只是由神经网络生成的

想想你平时每天的日常生活。除非你整天呆在房间里观看电视剧或睡觉，否则每当你去你想去的地方时，你可能会遇到很多人。他们有的是长发，有的是短发，有些人是大鼻子，有些人是小眼睛……

关键在于，我们有没有经常想到这些我们每天看到的不同特征。你有没有想过自己，“是什么组成一张脸？”它有两只眼睛，一个鼻子，一张嘴，还有头发？如果是这样，我们难道不能编写一个超级简单的计算机程序，通过组合这些元素来生成新面孔吗？

其实不是这样，我们忽略了太多的细节。像皱纹，阴影和笑容这一类的，也就是当我们被要求描述一张脸的特征时通常不会想到的东西，但这些东西却能使人看起来更真实。

那么，如果不仅仅靠告诉神经网络将两只眼睛，一个鼻子，一个嘴巴和一些头发放在一个圆球上，那么我们怎么能真正生成合理的面孔呢？

猫和老鼠的游戏

首先，我们需要了解生成对抗网络(Generative Adversarial Networks以下简称GANs)的工作原理。

GAN实际上由是两个神经网络组成，即生成器和鉴别器。生成器的工作是根据它知道的内容生成新数据，而鉴别器的工作是查看生成的数据是否合法。因此，在我们的示例中，生成器将尝试创建面部的新图像，同时鉴别器将尽可能地确定面部是否真实。

假如我们正在处理艺术画廊，生成器就是试图创造假艺术品并出售它们的人，鉴别器就是是试图检查艺术品是否真实的策展人。一开始，他们的工作可能不尽人意，但他们会从经验中学习。“伪造者”根据被接受的内容逐渐变得更好地伪造艺术品，而“策展人”随着时间的推移越来越详尽地告知“伪造者”怎样修正。