机器学习笔记 - 基于Keras的GAN:图像去模糊的应用

一、GAN概述

        在生成对抗网络中,两个网络相互训练。生成器通过创建虚假输入来误导鉴别器。鉴别器告诉输入是真实的还是人造的。

         GAN 训练过程有3个主要步骤

        1、使用生成器  根据噪声创建虚假输入

        2、用真假输入训练鉴别器

        3、训练整个模型:模型是用链接到生成器的鉴别器构建的。

        鉴别器的权重在第三步中被冻结。链接两个网络的原因是生成器的输出没有可能的反馈。 我们唯一的衡量标准是鉴别器是否接受了生成的样本。

二、数据集

        Ian Goodfellow 首先应用 GAN 模型来生成 MNIST 数据。在本教程中,我们使用生成对抗网络进行图像去模糊。因此,生成器的输入不是噪声而是模糊图像。

        数据集是 GOPRO 数据集。您可以下载精简版 (9GB) 或 完整版 (35GB)。它包含 来自多个街景的人为模糊图像。数据集按场景分解到子文件夹中。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值