
GAN
生成式对抗网络
来路与归途
来路慢慢,情不知所起;
归途遥远,眨眼便是过去。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
超分辨率重构SRGAN
1.网络原理图 2.损失计算 感知损失函数由内容损失函数+对抗损失函数组成,SR代表超分辨率,LR代表低分辨率,HR代表高分辨率。 2.1.内容损失 像素级别的MSE损失计算如下: 虽然该损失能够有极高的峰值信噪比,但是通常缺乏高频内容,过于平滑。所以作者们基于VGG的RELU激活层定义了VGG Loss Function。表示从VGG-19网络的第J层卷积(激活后)的第i...原创 2019-06-05 12:15:51 · 1753 阅读 · 4 评论 -
生成式对抗网络GAN
核心思想——从训练样本中学习所对应的概率分布,以期根据概率分布函数获取更多的“生成”样本来实现数据的扩张 包括两个子网络模型: 1.生成模型——使的生成的“伪”图像尽可能与“自然”图像的分布一致 2.判别模型——在生成的“伪”图像与“自然”图像之间做出正确判断,即二分类器 网络结构 损失函数 判别模型:将自然数据判定为“真”,将生成数据判定为“假” 生成模型:将生成数据判定...原创 2019-06-03 10:41:42 · 283 阅读 · 0 评论