【Paper Note】Generative Adversarial Nets 论文理解

最新推荐文章于 2021-06-03 14:39:22 发布
原创 最新推荐文章于 2021-06-03 14:39:22 发布 · 1.1k 阅读 · 1 ·
CC 4.0 BY-SA版权
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。

本文深入浅出地介绍了生成对抗网络（GAN）的基本原理及模型推导过程，着重讲解了由Ian Goodfellow等人提出的原始GAN模型，并概述了其在深度学习领域的应用和发展，包括后续的多种改进模型。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >


论文地址：https://arxiv.org/abs/1406.2661

论文翻译：http://blog.youkuaiyun.com/roguesir/article/details/76886795

前言

起先接触GAN，被论文中的公式吓到了~~~这尼玛都是什么鬼~~~啃了很久，终于把论文中的模型推导出来，整理成这篇文章。

GAN介绍

Generative Adversarial Nets这篇论文是Ian Goodfellow等人于2014年发表，至此，GAN在深度学习领域大放异彩，各种衍生模型层出不穷，如WGAN、DCGAN、SRGAN等等。
GAN由两个网络构成，即Generator和Discriminator（简称G和D），通过G生成数据，D对其进行打分判断，G的使命是不断升级自己使得D无法判断自己是真是假，D的使命是不断判断G的生成数据和真实数据之间的差异，从而区分二者，G和D之间的相互博弈，构成了GAN。
Generative Adversarial Nets论文笔记
InMKaKui的博客
10-14 800
GAN网络结构 两个模型：两个模型都是多层感知机，第一个先定义输入噪声向量，映射到数据空间，获取生成器对样本数据的分布，并生成虚假样本；第二个输出一个标量，表示样本来自真实数据而不是生成数据的概率 蓝色虚线是判别器D，绿色实线是生成器G生成的虚假数据的分布P(G)，黑色虚线是真实数据的分布Px，下方的两个横线表示x=G(z)这个将噪声z映射到x的趋势。从a到d，随着迭代的进行，G的分布...
论文阅读——《Generative Adversarial Nets》
zh20166666的博客
10-04 6461
论文阅读之 Generative Adversarial Nets Summary Goodfellow 的这篇paper发布于2014年，提出了一种新的模型——生成对抗模型。这个模型其实就是训练两个相互对抗的网络，一个是训练一个生成器(Generator)，另一个是训练一个判别器(Descriminator)。 这两个网络是相互对抗的，生成器的目的是尽量产生接近真实图片的生成图片，其衡量标准就是...
Generative Adversarial Nets（译）
小时候贼聪明
01-16 3万+
我们提出了一个通过对抗过程估计生成模型的新框架，在新框架中我们同时训练两个模型：一个用来捕获数据分布的生成模型G，和一个用来估计样本来自训练数据而不是G的概率的判别模型D，G的训练过程是最大化D产生错误的概率。
Generative Adversarial Nets (GAN)
weixin_30359021的博客
08-10 180
目录 目标 框架 理论 数值实验 代码 Generative Adversarial Nets 这篇文章，引领了对抗学习的思想，更加可贵的是其中的理论证明，证明很少却直击要害. 目标 GAN，译名生成对抗网络，目的就是训练一个网络来拟合...
Generative Adversarial Nets(生成对抗网络)
mjl_cv的博客
08-28 720
Generative Adversarial Nets(生成对抗网络) 　　生成对抗网络通过一个对抗步骤来估计生成模型，它同时训练两个模型：一个是获取数据分布的生成模型$G$，一个是估计样本来自训练数据而不是$G$的概率的判别模型$D$。$G$的训练步骤就是最大化$D$犯错的概率。这个框架对应于一个二元极小极大博弈。在任意函数$G$和$D$的空间中...
论文总结：Gan papers summary
weixin_46808382的博客
12-04 310
Generative Adversarial Nets (GAN) 论文地址 Conditional Generative Adversarial Nets (CGAN) 论文地址 Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks (DCGAN) 论文地址 Deep Generative Image Models using a Laplacian Pyramid of A
资源|17类对抗网络经典论文及开源代码（附源码）
qq_44906416的博客
04-18 274
资源|17类对抗网络经典论文及开源代码（附源码）
知识蒸馏paper分类整理(2014-2020)
KernelF
04-02 5269
Awesome Knowledge-Distillation 知识蒸馏paper分类整理 Awesome Knowledge-Distillation Different form of knowledge Knowledge from logits Knowledge from intermediate layers Mutual Information Self-KD Structur...
CVPR 2019 论文汇总（按方向进行论文划分）
热门推荐
鬼刀
05-28 3万+
cvpr2019 accepted papers title（官方分类，需科学前往） Github论文汇总链接（欢迎star) 论文PDF下载（更新中，提取码：osvy） 论文解读汇总 目录：(也欢迎大家推荐自己的CVPR2019文章，以下篇幅较大，分类如有错误欢迎留言指出和补充谢谢~） 检测38分割50分类、识别19跟踪20人脸12人体姿态估计/手...
ICCV2017论文摘要汇总
super_chicken的博客
04-18 7084
1. Globally-Optimal Inlier Set Maximisation for Simultaneous Camera Pose and Feature Correspondence Abstract: Estimating the 6-DoF pose of a camera from a single image relative to a pre-computed 3D p...
Generative Adversarial Nets
09-13
Generative Adversarial Nets
GAN（Generative Adversarial Nets）详细分析
weixin_46515047的博客
12-04 761
详细推导gan网络
Generative Adversarial Nets论文笔记+代码解析
ginwafts
03-03 304
https://blog.youkuaiyun.com/wspba/article/details/54582391
Generative adversarial nets
十年磨一剑
07-10 615
号称GAN的鼻祖？没怎么细看， 主要说下公式（1）和图1 1) 公式（1） pdatapdatap_{data}是数据库的概率密度，pzpzp_z是zzz数据的分布密度, zzz数据通过生成网络GGG变成x, 通过网络GGG,pzpzp_z可以变成pgpgp_g, pgpgp_g是生成数据的分布密度. 2) 图1 下面一根线代表z域, 上面一根线代表x域, 黑点代表原有数据集的概率分布...
论文 Generative Adversarial Nets ( GAN ) 学习笔记
qq_39546227的博客
08-02 257
1. 模型的提出 在深度学习中，我们希望寻找到一种模型能够在学习大量已有数据后，生成符合自然图片、声音的概率分布（probability distributions），即通过机器产生出以假乱真的图片、声音信号。到目前为止，我们在判别模型（discriminative model）领域已经取得了良好的效果，能够将高维的原始信息转换为类别信息。然而，在生成模型（generative model）领域中...
Generative Adversarial Nets论文翻译
小姑仔的博客
06-03 889
Abstract We propose a new framework for estimating generative models via an adversarial process, 我们提出一种新的框架去测量生成模型通过对抗过程 in which we simultaneouly train two models:a generative model G that captures the data distribution, 通过一个过程我们同时训练两个模型：一个生成模型G去捕获数据分布 an
Generative Adversarial Networks（生成式对抗网络）论文翻译
weixin_34320606的博客
12-01 8907
We propose a new framework for estimating generative models via an adversarial process, in which we simultaneously train two models: a generative model G that captures the data distribution, and a discriminative model D that estimates the probability that
【深度学习】生成对抗网络（Generative Adversarial Nets）浅解析
Zhang_Chen_的博客
07-26 683
1.KL散度和JS散度；2.最初版本GANs的理论及推导
论文笔记之：Generative Adversarial Nets
a1424262219的博客
08-06 320
Generative Adversarial Nets NIPS 2014 　　摘要：本文通过对抗过程，提出了一种新的框架来预测产生式模型，我们同时训练两个模型：一个产生式模型 G，该模型可以抓住数据分布；还有一个判别式模型 D 可以预测来自训练样本　而不是 G 的样本的概率．训练 G 的目的是让 D 尽可能的犯错误，让其无法判断一个图像是产生的，还是来自训练样本．这个...
generative adversarial nets译
06-06
generative adversarial nets是一种深度学习模型，由一个生成器和一个判别器构成。生成器尝试生成看起来像真实样本的数据，而判别器则试图区分真实数据和生成器生成的数据。通过在训练过程中使两个模型相互竞争，...
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
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