生成对抗网络 GAN
- 什么是GAN
GAN含义：生成对抗网络（Generative Adversarial Networks），主要做目标判别，应用在图像分类、语义分割、目标检测。
GAN简述：GAN包括生成器Generator(G)、判别模型Discriminator(D)。
首先给G输入向量，G会生成一张图片，数据尽可能符合训练数据的分布。将生成的图像和数据集一起送给D，由D判断是真数据还是生成的假数据，打分区间在【0-1】。
- GAN详解
有一个形象的例子，例子来源：生成对抗网络GAN：从入门到精通（一）：初识GAN
Generator（生成器）：输入向量—>输出图片/文本,是一种映射。
生成器的简单结构，就是一个神经网络，输入是数值在（0，1）范围内的n维向量，输出是一张图片。
Discriminator（判别器）：来自于数据集真实的图像标注为1，假的图像标注为0。
GAN的过程就生成器不断的生成假的类似于数据集的图像/文本，最终以假乱真。判别器不断提高自己的判别能力，者能力在这个过程中不断提升。
- 训练GAN网络
GAN网络训练分为两部分：第一部分训练判别器，第二部分训练生成器。训练某一部分时，必须固定另一部分。
训练判别器
判别器其实就是一个二分类任务，需要判别图片的真/假。通过交叉熵损失函数判断与真实值的差距，然后反向传递参数。
这个公式的意义在于：生成器希望损失函数越小越好，希望判别器判别不出来真假；判别器希望损失函数越大越好，尽可能的判别出来真假。这里取log的原因是对于差异进行放大，便于后续优化。
对于真实的样本来说，判别出来的值越高越好；对于假的样本来说，判别出来的值越小越好。
详细的实战案例：DCGAN的结构实现——代码实践：DCGAN的结构实现
参考链接🔗：
- 陈万军老师的课件GAN
- 生成式GAN----飞桨大佬（假面骑士Quit）
