文章目录
此文章为转载,这是原文地址
![](https://i-blog.csdnimg.cn/blog_migrate/39d9839102bae069371de4703686be75.png)
生成对抗网络 – GAN 是最近2年很热门的一种无监督算法,他能生成出非常逼真的照片,图像甚至视频。我们手机里的照片处理软件中就会使用到它。
本文将详细介绍生成对抗网络 – GAN 的设计初衷、基本原理、10种典型算法和13种实际应用。
GAN的设计初衷
一句话来概括 GAN 的设计动机就是——自动化。
人工提取特征——自动提取特征
我们在《一文看懂深度学习(概念+优缺点+典型算法)》中讲过,深度学习最特别最厉害的地方就是能够自己学习特征提取。
![](https://i-blog.csdnimg.cn/blog_migrate/b143ff20a8fdd1c4396d8d67fb7319da.png)
机器的超强算力可以解决很多人工无法解决的问题。自动化后,学习能力更强,适应性也更强。
人工判断生成结果的好坏——自动判断和优化
我们在《监督学习》中讲过,训练集需要大量的人工标注数据,这个过程是成本很高且效率很低的。而人工判断生成结果的好坏也是如此,有成本高和效率低的问题。
而 GAN 能自动完成这个过程,且不断的优化,这是一种效率非常高,且成本很低的方式。GAN是如何实现自动化的呢?下面我们讲解一下他的原理。
生成对抗网络 GAN 的基本原理
大白话版本
知乎上有一个很不错的解释,大家应该都能理解:
假设一个城市治安混乱,很快,这个城市里就会出现无数的小偷。在这些小偷中,有的可能是盗窃高手,有的可能毫无技术可言。假如这个城市开始整饬其治安,突然开展一场打击犯罪的「运动」,警察们开始恢复城市中的巡逻,很快,一批「学艺不精」的小偷就被捉住了。之所以捉住的是那些没有技术含量的小偷,是因为警察们的技术也不行了,在捉住一批低端小偷后,城市的治安水平变得怎样倒还不好说,但很明显,城市里小偷们的平均水平已经大大提高了。
![](https://i-blog.csdnimg.cn/blog_migrate/e7942a0b012be1b259e42c961ee87210.png)
警察们开始继续训练自己的破案技术,开始抓住那些越来越狡猾的小偷。随着这些职业惯犯们的落网,警察们也练就了特别的本事,他们能很快能从一群人中发现可疑人员,于是上前盘查,并最终逮捕嫌犯;小偷们的日子也不好过了,因为警察们的水平大大提高,如果还想以前那样表现得鬼鬼祟祟,那么很快就会被警察捉住。
![](https://i-blog.csdnimg.cn/blog_migrate/c7b4e84a6bc9a3a20e8d0b982c41f41d.png)
为了避免被捕,小偷们努力表现得不那么「可疑」,而魔高一尺、道高一丈,警察也在不断提高自己的水平,争取将小偷和无辜的普通群众区分开。随着警察和小偷之间的这种「交流」与「切磋」,小偷们都变得非常谨慎,他们有着极高的偷窃技巧,表现得跟普通群众一模一样,而警察们都练就了「火眼金睛」,一旦发现可疑人员,就能马上发现并及时控制——最终,我们同时得到了最强的小偷和最强的警察。
![](https://i-blog.csdnimg.cn/blog_migrate/094498f641d8e7f0aba14a3bc6e0f409.png)
非大白话版本
生成对抗网络(GAN)由2个重要的部分构成:
生成器(Generator):通过机器生成数据(大部分情况下是图像),目的是“骗过”判别器
判别器(Discriminator):判断这张图像是真实的还是机器生成的,目的是找出生成器做的“假数据”
![](https://i-blog.csdnimg.cn/blog_migrate/08dda82094e01f890aa885c07a7751c6.png)
下面详细介绍一下过程:
第一阶段:固定「判别器D」,训练「生成器G」
我们使用一个还 OK 判别器,让一个「生成器G」不断生成“假数据”,然后给这个「判别器D」去判断。
一开始,「生成器G」还很弱,所以很容易被揪出来。
但是随着不断的训练,「生成器G」技能不断提升,最终骗过了「判别器D」。
到了这个时候,「判别器D」基本属于瞎猜的状态,判断是否为假数据的概率为50%。
![](https://i-blog.csdnimg.cn/blog_migrate/372dc46eee0378a54323527c965ccd63.png)
第二阶段:固定「生成器G」,训练「判别器D」
当通过了第一阶段,继续训练「生成器G」就没有意义了。这个时候我们固定「生成器G」,然后开始训练「判别器D」。
「判别器D」通过不断训练,提高了自己的鉴别能力,最终他可以准确的判断出所有的假图片。
到了这个时候,「生成器G」已经无法骗过「判别器D」。
![](https://i-blog.csdnimg.cn/blog_migrate/0652f1fc17f1b23293fcbccce0470d44.png)
循环阶段一和阶段二
通过不断的循环,「生成器G」和「判别器D」的能力都越来越强。
最终我们得到了一个效果非常好的「生成器G」,我们就可以用它来生成我们想要的图片了。
下面的实际应用部分会展示很多“惊艳”的案例。
![](https://i-blog.csdnimg.cn/blog_migrate/df1dafeb1bf25f5b0b5e39d3d8dd2056.png)
如果对 GAN 的详细技术原理感兴趣,可以看看下面2篇文章:
GAN的优缺点
3个优势
能更好建模数据分布(图像更锐利、清晰)
理论上,GANs 能训练任何一种生成器网络。其他的框架需要生成器网络有一些特定的函数形式,比如输出层是高斯的。
无需利用马尔科夫链反复采样,无需在学习过程中进行推断,没有复杂的变分下界,避开近似计算棘手的概率的难题。
2个缺陷
难训练,不稳定。生成器和判别器之间需要很好的同步,但是在实际训练中很容易D收敛,G发散。D/G 的训练需要精心的设计。
模式缺失(Mode Collapse)问题。GANs的学习过程可能出现模式缺失,生成器开始退化,总是生成同样的样本点,无法继续学习。
扩展阅读:《为什么训练生成对抗网络如此困难?》阅读这篇文章对数学要求很高
10大典型的GAN算法
GAN 算法有数百种之多,大家对于 GAN 的研究呈指数级的上涨,目前每个月都有数百篇论坛是关于对抗网络的。
下图是每个月关于 GAN 的论文发表数量:
![](https://i-blog.csdnimg.cn/blog_migrate/7031e7498cc3628a97b9fe076b90c066.png)
如果你对 GANs 算法感兴趣,可以在 「GANs动物园」里查看几乎所有的算法。我们为大家从众多算法中挑选了10个比较有代表性的算法,技术人员可以看看他的论文和代码。
算法 | 论文 | 代码 |
GAN | ||
DCGAN | ||
CGAN | ||
CycleGAN | ||
CoGAN | ||
ProGAN | ||
WGAN | ||
SAGAN | ||
BigGAN |
上面内容整理自《Generative Adversarial Networks – The Story So Far》原文中对算法有一些粗略的说明,感兴趣的可以看看。
GAN 的13种实际应用
GAN 看上去不如「语音识别」「文本挖掘」那么直观。不过他的应用已经进入到我们的生活中了。下面给大家列举一些 GAN 的实际应用。
生成图像数据集
人工智能的训练是需要大量的数据集的,如果全部靠人工收集和标注,成本是很高的。GAN 可以自动的生成一些数据集,提供低成本的训练数据。
![](https://i-blog.csdnimg.cn/blog_migrate/4e316801b1dbac3d6fa4c7625c3f8798.png)
![](https://i-blog.csdnimg.cn/blog_migrate/08e8db2ace9d93736b0efe9bfaeff923.png)
生成人脸照片
生成人脸照片是大家很熟悉的应用,但是生成出来的照片用来做什么是需要思考的问题。因为这种人脸照片还处于法律的边缘。
![](https://i-blog.csdnimg.cn/blog_migrate/d1c167de4bb16307cfbf416a3268c74b.png)
![](https://i-blog.csdnimg.cn/blog_migrate/ff7dd4565871c01c9846f0263e3a2338.png)
生成照片、漫画人物
GAN 不但能生成人脸,还能生成其他类型的照片,甚至是漫画人物。
![](https://i-blog.csdnimg.cn/blog_migrate/ce18d4713337804e41afc7e37f2d3d22.png)
![](https://i-blog.csdnimg.cn/blog_migrate/e87ba771b91ffc6593643c2dfebe084a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/e22fa63ed279480687ba22fc704c22b7.png)
![](https://i-blog.csdnimg.cn/blog_migrate/061ec6e55f538782b0417166b3348a8a.png)
图像到图像的转换
简单说就是把一种形式的图像转换成另外一种形式的图像,就好像加滤镜一样神奇。例如:
把草稿转换成照片
把卫星照片转换为Google地图的图片
把照片转换成油画
把白天转换成黑夜
![](https://i-blog.csdnimg.cn/blog_migrate/50317c3741bd9c1163104d6fbbdbd938.png)
![](https://i-blog.csdnimg.cn/blog_migrate/69d7a5e32c888c096359dcbf71956f6d.png)
![](https://i-blog.csdnimg.cn/blog_migrate/6871a662864fb3aec1f7b9ebda89e168.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c06260180be94c0314efb26a5976366d.png)
文字到图像的转换
在2016年标题为“ StackGAN:使用 StackGAN 的文本到逼真照片的图像合成 ”的论文中,演示了使用 GAN,特别是他们的 StackGAN,从鸟类和花卉等简单对象的文本描述中生成逼真的照片。
![](https://i-blog.csdnimg.cn/blog_migrate/4856351529a778c0462207774c583544.png)
语意 – 图像 – 照片 的转换
在2017年标题为“ 高分辨率图像合成和带条件GAN的语义操纵 ”的论文中,演示了在语义图像或草图作为输入的情况下使用条件GAN生成逼真图像。
![](https://i-blog.csdnimg.cn/blog_migrate/20f48813f6a2d6f180eef56766f837f6.png)
自动生成模特
在2017年标题为“ 姿势引导人形象生成 ”的论文中,可以自动生成人体模特,并且使用新的姿势。
![](https://i-blog.csdnimg.cn/blog_migrate/177110c6986bfcc5e95a2081c27c5224.png)
照片到Emojis
GANs 可以通过人脸照片自动生成对应的表情(Emojis)。
![](https://i-blog.csdnimg.cn/blog_migrate/4f12956e652aadffa0c295927522ce61.png)
照片编辑
使用GAN可以生成特定的照片,例如更换头发颜色、更改面部表情、甚至是改变性别。
![](https://i-blog.csdnimg.cn/blog_migrate/87a7dbe8fe81b473ae0f06b08568b49b.png)
预测不同年龄的长相
给一张人脸照片, GAN 就可以帮你预测不同年龄阶段你会长成什么样。
![](https://i-blog.csdnimg.cn/blog_migrate/4d28cc92189b69ce74c3ae5947cf016a.png)
提高照片分辨率,让照片更清晰
给GAN一张照片,他就能生成一张分辨率更高的照片,使得这个照片更加清晰。
![](https://i-blog.csdnimg.cn/blog_migrate/197e2f7d98b408a62f0025b1507c634e.png)
照片修复
假如照片中有一个区域出现了问题(例如被涂上颜色或者被抹去),GAN可以修复这个区域,还原成原始的状态。
![](https://i-blog.csdnimg.cn/blog_migrate/cc43cd72077fcaa6b62981e2befafb75.png)
自动生成3D模型
给出多个不同角度的2D图像,就可以生成一个3D模型。
![](https://i-blog.csdnimg.cn/blog_migrate/df54b67c1b75c23d0055159e56d8685d.png)
百度百科+维基百科
百度百科版本
生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。原始 GAN 理论中,并不要求 G 和 D 都是神经网络,只需要是能拟合相应生成和判别的函数即可。但实用中一般均使用深度神经网络作为 G 和 D 。一个优秀的GAN应用需要有良好的训练方法,否则可能由于神经网络模型的自由性而导致输出不理想。
维基百科版本
生成对抗网络(GAN)是一类用于无监督机器学习的人工智能算法,由在零和游戏框架中相互竞争的两个神经网络系统实现。他们是由Ian Goodfellow 等人介绍的。在2014年这种技术可以生成照片看起来至少在表面上真实的人的观察员,有很多的现实特征(虽然在测试中的人可以真正告诉在许多情况下产生)。