Deep Convolutional Generative Adversarial Networks
Generative Adversarial Networks最有趣的部分之一是生成器网络的设计。 生成器网络能够获取随机噪声并将其映射到图像中,使得鉴别器无法分辨哪些图像来自数据集以及哪些图像来自发生器。
这是神经网络的一个非常有趣的应用。 通常,神经网络将输入映射到二进制输出(1或0),可能是回归输出(某些实数值),或甚至是多个分类输出(例如MNIST或CIFAR-10/100)。
在本文中,我们将看到神经网络如何从随机噪声映射到图像矩阵,以及如何在生成器网络中使用卷积层产生更好的结果。
这是LSUN场景建模论文中提出的DCGAN生成器。 该网络采用100x1噪声向量,表示为z,并将其映射到G(Z)输出,即64x64x3。
这种架构特别有趣的是第一层扩展随机噪声的方式。 网络从100x1到1024x4x4! 该层表示为“项目和重塑”。
我们看到,在这一层