生成对抗网络(GAN,Generative Adversatial Networks)是一种深度学习模型,近年来无监督学习上最具前景的方法之一。
模型主要通用框架有(至少)两个模块:生成模型(generative)和判别模型(Discriminative)的互相博弈学习产生的相当好的输出。
原始GAN理论中,并不要求G和D都是神经网络,但使用中一般均使用深度神经网络作为G和D。
所以GAN = (生成式模型 + 判别式模型)集两家之所长,生成对抗网络。Generative 生成式模型,Adversarial 对抗,相爱相杀的过程。
在训练过程中,生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D,而D的目标就是尽量把真实图片和G生成的图片区别开来,这样G和D就构成了一个动态的博弈过程。理想状态下,G可以生成足以以假乱真的图片G(z)。对于D来说,它难以判定G生成的图片究竟是不是真实的,一次D(G(z)) = 0.5。
应用在
1、图像生成,目前GAN最常用的地方就是超分辨率任务,语义分割、图像风格化等等。
2、数据增强,例如还原老照片或老的视频,让其更清晰
网友回复
如何编写一个chrome插件实现多线程高速下载大文件?
cdn版本的vue在网页中出现typeerror错误无法找到错误代码位置怎么办?
pywebview能否使用webrtc远程控制共享桌面和摄像头?
pywebview6.0如何让窗体接受拖拽文件获取真实的文件路径?
如何在linux系统中同时能安装运行apk的安卓应用?
python有没有离线验证码识别ocr库?
各家的ai图生视频及文生视频的api价格谁最便宜?
openai、gemini、qwen3-vl、Doubao-Seed-1.6在ui截图视觉定位这款哪家更强更准?
如何在linux上创建一个沙箱隔离的目录让python使用?
pywebview如何使用浏览器自带语音识别与webspeech 的api?