GAN论文学习3-- Conditional Generative Adversarial Nets

最新推荐文章于 2022-09-27 16:15:39 发布
最新推荐文章于 2022-09-27 16:15:39 发布
阅读量378 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： Re-identification；重识别 文章标签： GAN 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_17403617/article/details/96354245

Title：Conditional Generative Adversarial Nets
Paper：pdf
摘要：介绍一种有条件的Gan，通过输入数据y来构造。做了2个实验，根据类标签生成MNIST数字和学习一个多模态模型，该方法成功生成了不属于训练标签的描述性标记。

一. CGAN思想
这项工作提出了一种带条件约束的GAN，在生成模型（D）和判别模型（G）的建模中均引入条件变量y（conditional variable y），使用额外信息y对模型增加条件，可以指导数据生成过程。这些条件变量y可以基于多种信息，例如类别标签，用于图像修复的部分数据，来自不同模态（modality）的数据。如果条件变量y是类别标签，可以看做CGAN 是把纯无监督的 GAN 变成有监督的模型的一种改进。这个简单直接的改进被证明非常有效,并广泛用于后续的相关工作中。Mehdi Mirza et al. 的工作是在MNIST数据集上以类别标签为条件变量，生成指定类别的图像。作者还探索了CGAN在用于图像自动标注的多模态学习上的应用，在MIR Flickr25000数据集上，以图像特征为条件变量，生成该图像的tag的词向量。

二. 相关工作
许多有趣的问题更自然地被认为是概率一对多映射。例如，在图像标记的情况下，可能有许多不同的标签可以适当地应用于给定的图像，不同的(人类)注释器可能使用不同的(但通常是同义或相关的)术语来描述相同的图像。
解决方案：CGAN。使用条件概率生成模型，将输入作为条件变量，将一对多映射实例化为条件预测分布。

三. CGAN实现方法

1.原始GAN

最低0.47元/天 解锁文章

200万优质内容无限畅学
生成对抗网络GAN系列（二）--- Conditional Generative Adversarial Nets（cGAN 条件GAN）--- 文末附代码
朝花&夕拾
09-04 1万+
生成对抗网络GAN系列（二） --- Conditional Generative Adversarial Nets（cGAN 条件GAN） ---文末附代码 Conditional Generative Adversarial Nets  论文链接：https://arxiv.org/abs/1411.1784   1.简介 Conditional GAN 是在原始GAN之后一个...
AI论文精读笔记-Generative Adversarial Nets(GAN)
最新发布
小菜的博客
09-11 1305
GAN论文精度笔记
（CGAN）Conditional Generative Adversarial Nets
08-27
条件生成对抗网络（CGAN）， tensorflow实现
GAN论文阅读——CGAN
热门推荐
小白的笔记本
02-25 3万+
CGAN提出了一种带条件约束的GAN，在生成模型（D）和判别模型（G）的建模中均引入条件变量y（conditional variable y），使用额外信息y对模型增加条件，可以指导数据生成过程。
Conditional Generative Adversarial Nets
MTandHJ的博客
01-08 519
文章目录引主要内容 Mirza M, Osindero S. Conditional Generative Adversarial Nets.[J]. arXiv: Learning, 2014. @article{mirza2014conditional, title={Conditional Generative Adversarial Nets.}, author={Mirza, Meh...
【论文精读】(CGAN)Conditional Generative Adversarial Nets
你的深度学习小站
11-23 2811
Conditional Generative Adversarial Nets 关于原版的生成对抗网络模型以及公式推导可以参考：【论文精读】对Generative Adversarial Net的一点理解 摘要 ​ 生成对抗网络最近介绍了一种新的方法来训练生成模型。本文将介绍生成对抗网络的条件版本，通过简单的输入数据yyy来构建，作者希望生成器和辨别器都能够被训练。 ​ 作者展示了此模型能够生成以类标签为条件的MNISTMNISTMNIST数字。 ​ 作者还展示此模型如何能够用来学习一个多模态模型，并且提供
【GANs】Conditional Generative Adversarial Nets
m0_57411450的博客
09-27 894
Conditional Generative Adversarial Nets原文链接本文提出了GAN的改进版本，条件GAN：通过为数据增加label(y)label(y)label(y)进行构造，在GGG和DDD的输入上都增加了labellabellabel然后做了两个有条件的GAN实验。也就是给定条件yyy，结合随机分布，生成条件yyy的样本。1.mnist数据集，基于给定labellabellabel。
Conditional Generative Adversarial Nets.pdf
07-09
生成式对抗网络（Generative Adversarial Nets，简称GAN）是一种深度学习模型，由Ian Goodfellow等人于2014年提出。GAN由两个主要部分组成：生成器（Generator）和判别器（Discriminator）。生成器负责生成数据，而...
Conditional Generative Adversarial Nets（CGAN）
qq_40128284的博客
07-20 2270
前言： 这篇博客为阅读论文后的总结与感受，方便日后翻阅、查缺补漏，侵删！ 论文：Conditional Generative Adversarial Nets 参考：博客一、博客二 解决的问题： 介绍这个问题前，我们首先回顾GAN的优点与缺点： GAN 的优点： ● GAN是一种生成式模型，相比较其他生成模型（玻尔兹曼机和GSNs）只用到了反向传播，而不需要复杂的马尔科夫链。 ● 相比其他所有模型，GAN可以产生更加清晰，真实的样本。 ● GAN采用的是一种无监督的学习方式训...
cGAN:Conditional Generative Adversarial Nets
qq_37151108的博客
08-04 6261
论文阅读之cGAN:Conditional Generative Adversarial Nets #Abstract 本文提出了条件-生成对抗网络（Conditional-GAN),Generator和Discriminator的输入数据除了随机噪声外还多了标签y，从而可以通过GAN生成不同class label的图像，用于更好的引导单模态图像生成以及多模态学习下的生成图像标签等。 
 

# Section I Introduction
 

生成模型中的生成对抗网络有效地规避了一些不好近似的概率运算，
[cgan]Conditional Generative Adversarial Nets
07-22 464
cgan 生成 mnist:https://blog.youkuaiyun.com/qq_38826019/article/details/80865852 转自：https://www.jianshu.com/p/dba09468de1a 在生成对抗网络GAN提出之后，又出现了一种条件对抗网络CGAN。CGAN能够通过简单地提供数据 y 来构造，希望对生成器和判别器都进行条件化。通过实验验证了给模型可...
Conditional Generative Adversarial Nets（小白学GAN 五）
fan1102958151的博客
05-27 909
原文链接：https://arxiv.org/pdf/1411.1784.pdf 简介 核心思想：在判别器与生成器的输入中加上标签等而外信息作为条件信息来约束生成器。 相比原始的GAN所生成的图片只能拟合到整个训练集X的数据分布，而无法控制具体生成其中某种标签的数据。但是如果加上了标签信息作为而外的信息输入，我们就能以此来对生成数据具体拟合范围进行约束，用不同的标签就能生成不同的数据。感性上来理解，判别器不仅要判断输入图片是否为真，还要判断输入图片与标签是否匹配，只不过两个任务由判别器一次完成罢了
PaperNotes(5)-Conditional Generative Adversarial Nets
sinat_40624829的博客
10-08 1530
Conditional GAN 论文阅读笔记Abstract1 Introduction2 Related Work3 Conditional Adversarial Nets3.1 Generative Adversarial Nets3.2 Conditional Adversarial Nets4 Experimental Results4.1 Unimodal4.2 Multimodal5 Future Work6.思考 Abstract 生成对抗网[8]是最近被提出的一种训练生成模型的新方法。本文
conditional generative adversarial nets
03-16
条件生成对抗网络（Conditional Generative Adversarial Nets）是一种生成对抗网络，它可以通过给定条件来生成特定的输出。这种网络通常用于图像生成和语音合成等任务，其中输入的条件可以是图像的标签或描述，或者...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

乘风破浪的炼丹师-Sunfine

你的鼓励将是我创作的最大动力

¥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

实付元
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