GAN网络学习笔记系列3-CGAN

1、文献创新及贡献：

在使用GAN网络的同时，对生成器和判别器，同时引入额外标签y，增加条件，使GAN网络能更好的朝向作者所设计的方向运行。

2、文献设计思路及过程

GAN网络中，生成器是在一系列的噪声中生成目标图像，往往所生成的图像具有较强的不可控性，引入一个标签Y，可以使得噪声在经过生成器的时候，转换成所需要的目标图像。然而仅仅是对生成器引入标签，往往是不够的，判别器的作用是用来检测所生成的图片是否趋向于真实图像，仅仅是检测了图片的质量，对于图像的生成并未做更多的要求，因此给判别器在引入真实数据的同时也同样引入标签信息Y，就可以对所判别的图片进行分类判别。然而往往现实生活中需要处理的并不仅仅只是图像，还有语音模式，将语音模块与图像模块放置在一起的时候，单通道的传输已经无法满足要求。将语音和图像结合，生成出来的图像，才是作者想要得到的图像。

3、GAN与CGAN的比较

GAN网络公式

CGAN网络公式

 

 通过以上两个式子可以看出，CGAN相对GAN网络来说就是在生成器与判别器中加入了额外标签Y。

4、CGAN网络结构

原文中所给的CGAN的网络的结构如上所示。 

5、个人思考以及对文章的理解

对于CGAN文章来说，文章的篇幅很短暂，主要是介绍了一种引入额外标签的思想，为以后的工作提供了一定的思路，在以后的阅读中可以看出来，很多的文献都是在CGAN网络上进行精进。