论文地址:https://arxiv.org/abs/1703.10593
![在这里插入图片描述](https://img-blog.csdnimg.cn/70b5f6b17a824f419d483c4dcab30efd.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAenhtXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
网络架构
![在这里插入图片描述](https://img-blog.csdnimg.cn/953f288c7ff7433e9c62455054a7af22.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAenhtXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
![在这里插入图片描述](https://img-blog.csdnimg.cn/0ca6f914d6f54b8ab4146fc06b7a0eb7.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAenhtXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
![在这里插入图片描述](https://img-blog.csdnimg.cn/3be37bebdcbf4afa941c75b5add35453.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAenhtXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
损失函数
生成对抗损失:
生成器G的目标是将X空间中的样本转化成Y空间中的样本,将学习X->Y的映射。
根据交叉摘损失,可以构造下面的损失函数
![在这里插入图片描述](https://img-blog.csdnimg.cn/0fb0074a326345519789d3e7fc435c55.png)
D为判别器,输出值[0,1],Dy=1代表输出来自Y空间
![在这里插入图片描述](https://img-blog.csdnimg.cn/74325c7736c0480fb56d125dc9b0f564.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAenhtXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
引入生成器F,目标是将Y空间中的样本转化为X空间中的样本,学习Y->X的映射。
![在这里插入图片描述](https://img-blog.csdnimg.cn/94bf5b5a923746dbb5eaa9cfeee16cdd.png)
F的损失函数与G相似。
循环一致性损失:
![在这里插入图片描述](https://img-blog.csdnimg.cn/8076cb6e05fa4224a091f79522eb612f.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBAenhtXw==,size_20,color_FFFFFF,t_70,g_se,x_16)
最终的损失函数:
![在这里插入图片描述](https://img-blog.csdnimg.cn/ab572876b84448de921d85306c9ee5ae.png)
注:此文为阅读笔记,参考了其他的论文,博客,如有侵权请联系,我附上原出处。