Pix2Pix图像到图像翻译技术详解
1. DCGAN相关思考
在使用DCGAN时,对于生成器,可以在网络中添加额外的层,但这会增加训练时间,并且有更大的发散风险。对于判别器,可以构建最先进的二元分类器,但同样可能增加发散的风险。因此,需要根据自身应用需求对该架构进行实验,找出网络的最佳参数。
1.1 练习
- 修改DCGAN生成器 :尝试修改DCGAN的生成器,使其与相关论文完全匹配,思考是否能够忠实重现论文的结果,并分析原因。
- 下载不同LSUN数据集 :修改下载脚本,下载不同的LSUN数据集,思考是否需要修改代码以获得结果,以及哪些参数是重要的。
2. Pix2Pix图像到图像翻译简介
Pix2Pix是一种流行的风格迁移应用,使用生成对抗网络(GAN)架构。它易于训练,受到了全球研究人员和终端用户的青睐。接下来将介绍其实现的基本步骤。
2.1 准备工作
首先,获取论文《Image-to-Image Translation with Conditional Adversarial Networks》(https://arxiv.org/pdf/1611.07004.pdf)并阅读,后续将介绍该论文的实现基础。
2.2 构建网络的关键组件
构建这个网络有两个关键组件:判别器和生成器方法。以下是这两个网络的基本伪代码:
2.2.1 判别器
判别器的构建步骤如下:
1. 定义
超级会员免费看
订阅专栏 解锁全文
1131

被折叠的 条评论
为什么被折叠?



