GAN（生成对抗网络）主要应用于图像生成任务，如生成、重建、超分辨率、风格迁移等。其核心是生成器G与判别器D的博弈过程，G尝试生成逼真的图像，而D负责区分真实与伪造图像。训练过程中，两者交替提升，G生成的图像逐渐逼近真实，D的辨识能力也逐步增强。
GAN的主要应用目标：
生成式任务（生成、重建、超分辨率、风格迁移、补全、上采样等）
GAN的核心思想：生成器G和判别器D的一代代博弈
生成器：生成网络，通过输入生成图像
判别器：二分类网络，将生成器生成图像作为负样本，真实图像作为正样本
learn 判别器D：
给定G，通过G生成图像产生负样本，并结合真实图像作为正样本来训练D
learn 生成器G：
给定D，以使得D对G生成图像的评分尽可能接近正样本作为目标来训练G
G和D的训练过程交替进行，这个对抗的过程使得G生成的图像越来越逼真，D“打假”的能力也越来越强。
最低0.47元/天 解锁文章
扫一扫
7143
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
