深度有趣 | 20 CycleGAN性别转换

简介

介绍可用于实现多种非配对图像翻译任务的CycleGAN模型，并完成性别转换任务

原理

和pix2pix不同，CycleGAN不需要严格配对的图片，只需要两类（domain）即可，例如一个文件夹都是苹果图片，另一个文件夹都是橘子图片

使用A和B两类图片，就可以实现A到B的翻译和B到A的翻译

论文官方网站上提供了详细的例子和介绍，https://junyanz.github.io/CycleGAN/，例如苹果和橘子、马和斑马、夏天和冬天、照片和艺术作品等

以及论文的官方Github项目，https://github.com/junyanz/CycleGAN，使用PyTorch实现

CycleGAN由两个生成器G和F，以及两个判别器Dx和Dy组成

G接受真的X并输出假的Y，即完成X到Y的翻译；F接受真的Y并输出假的X，即完成Y到X的翻译；Dx接受真假X并进行判别，Dy接受真假Y并进行判别

CycleGAN的损失函数和标准GAN差不多，只是写两套而已

$$L_{GAN}(G,D_Y,X,Y)={\mathbb{E}}_{y\sim p_y}[\log D_Y(y)]+{\mathbb{E}}_{x\sim p_x}[\log (1-D_Y(G(x)))]$$

L G