生成式-图像分割 深度学习图像算法简介

GAN

GAN有很多变种和衍生的算法，如pix2pix GAN、CycleGAN、DiscoGAN、PAN、StarGAN 等。。

原理不多说，一个G（生成器）和一个 D（判别器），整体的目标函数很简洁明确，先训练 D，再训练 G，交替进行，D 的训练用真实样本+生成的假样本，可进行 K 次迭代（默认1），外层再迭代进行 Number 次交替训练。

D 是共享的，G 和 D 的训练过程以及参数迭代过程是分离的。伪代码如下，非常清晰：

GAN 是一种结构或者说设计的思路，跟具体实现关系不大，可非常简单，也可复杂。比如这个用简单的网络来设计生成 mnist 数字图像；DCGAN（Deep Convolutional GAN） 就是将 D 和 G 换成 CNN 来实现，同时，也修改了很多网络的结构，具体参见，以提高样本的质量和收敛的速度。

cGAN

前面的这种传统的GAN有一个问题是每次训练后，所有的随机噪声很有可能产生相同的样本，为了可以产生不同的样