SWLF的博客

3.1overview概述了这篇文章里面的总体方法。本文模型包含了两个生成器，生成器G把脸部的照片转化成为肖像画，生活器F再把生成的肖像画转化成为生成的照片（假照片），包含了两个判别器，一个是DdD_dDd​，判别真的肖像画以及生成的肖像画，一个是DpD_pDp​,判别真的照片以及生成的照片。在APDrawing域的信息比起脸部图片的信息少了很多，比如一个人的脸颊，在照片中是有很多的颜色的变化的，但是在肖像画里面就是白色。请注意作者后面的描述，他说在cyclegan中使用strict cycle-co

相关工作：2.1神经风格转换Neural style transfer介绍了使用卷积神经网络CNN进行风格迁移的做法，Gatys这些人使用预训练的神经网络模型对图片的内容特征以及图片的风格特征进行抽取，并用优化图片的方式进行风格迁移：保留提供内容的图片的主要风格，并且进行风格匹配，使用格拉姆矩阵去衡量风格之间的相似度。这种方法打开了风格迁移的大门，并且很多工作是基于此的2.2基于Gan网络的图片到图片之间的风格迁移Gan网络在图像超分辨率，文本到图像的合成之间，面部属性操作上都取得了很大的进展，其

这篇论文介绍了如何使用非对称的循环映射方法、非配对数据生成肖像画。首先介绍什么是非配对的数据，一般的生成对抗网络需要的数据是成对的，比如我们要训练一个对抗网络能够根据我们提供的一张人脸的照片去生成人脸的素描，那么就需要非常多的人脸照片以及对应的人脸素描的数据，这些数据是严格对应的，需要甲这个人同一张人脸照片以及对应的人脸素描，非配对的数据是指，我们还是需要人俩照片和人脸的素描，但是二者之间并不需要一一的对应关系，我们可以用甲的人脸照片，以及乙的人脸素描去做训练，这样就大大降低了数据集获取的难度了。然后

在进行论文写作的时候，中文的论文文献要引用成为英文的形式，先来看一下我们在latex中的引用文献的一般步骤：准备一个bib文件，然后在百度学术，中国知网，谷歌学术等学术机构里面bitex引用但是在引用的时候，要变成英文的引用方式的话，直接修改bib文件，首先在学术网站里面找到这篇文章，阅读里面的英文题目、作者英文名、期刊名字，比如：将其中对应的信息复制粘贴，替代掉bib文件中的引用，比如：@article{王征2017基于卷积神经网络和,title={基于卷积神经网络和SVM的中国画情感分类}

转载自https://blog.youkuaiyun.com/zuochao_2013/article/details/83540579