洞察探索open banking如何通过小程序容器技术助力金融企业实现数据安全和数字化转型
1308
2022-11-23
生成对抗网络(GAN)
文章目录
前言GAN的原理简介用GAN生成动漫头像用GAN生成花
前言
生成对抗网络(Generative Adversarial Net, GAN)是近年来深度学习中十分热门的方向。本文将简要介绍GAN的基本原理,并带领读者实现一个简单的生成对抗网络,用以生成动漫人物的头像。
GAN的原理简介
GAN的开山之作是被称为“GAN之父”的Ian Goodfellow发表于2014年的经典论文Generative Adversarial Networks,在这篇论文中他提出了生成对抗网络,并设计了第一个GAN实验——手写数字生成。
如果深度学习不能创造图片,那么它也没有真正地理解图片。GAN从生成学习角度展示了神经网络的强大能力。GAN解决了非监督学习中的著名问题:给定一批样本,训练一个系统能够生成类似的新样本。
生成对抗网络的网络结构如下图所示,主要包含以下两个子网络。
生成器(generator):输入一个随机噪声,生成一张图片。判别器(discriminator):判断输入的图片是真图片还是假图片。
生成器的目标是尽可能地生成以假乱真的图片,让判别器以为这是真的图片;判别器的目标是将生成器生成的图片和真实世界的图片区分开。可以看出这二者的目标相反,在训练过程中互相对抗,这也是它被称为生成对抗网络的原因。
用GAN生成动漫头像
本节将用GAN实现一个生成动漫人物头像的例子。在日本的技术博客网站上由个博主,利用DCGAN从20万张动漫头像中学习,最终能够利用程序自动生成动漫头像。
参考:链接: 提取码: sdup
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~