初学者之路————

Cycle GAN主要是用于非成对图像转换，简而言之，就是不需要成对具有对应关系的图像进行风格转换，而只需要非成对的目标图像和原始图像即可。

Cycle GAN相比于普通GAN多了一个生成模型和判别器，即把变换后的图像再进行反变换后与原始图像比较。这种双生成模型和双判别器可以保证生成的目标图像和原始图像不仅在风格上一致，在图形的形状和大小上也能尽量保持一致。Cycle GAN的对抗性体现在生成器希望能够生成使判别器判别为真的虚假图像，而判别器希望能够正确判别出真实图像和生成图像。

相对应的，此时的损失函数（叫做循环一致性损失部分）也变成反变换的图像与原始图像之间的差异。Cycle GAN还有一个identify的损失函数，这个损失函数存在的意义在于希望输入的目标风格图像在经过生成模型后不再发生变化，即希望生成模型能够识别目标图像风格。

Cycle GAN降低了对风格转换图像的数据要求，使得转换图像风格变得简单。相信它也会有更多的领域，希望自己也能够运用到。

研究生寒假初学，如果有不足，欢迎大家指证。

初学者之路—————Cycle GAN相关推荐

【Pytorch】Cycle GAN实战（一）：风格转换--真实风景图像转换为VanGogh风格
文章目录一.Cycle GAN(CGAN)原理 1.1Conditional GAN 1.2Unsupervised Conditional GAN No.1 Direct Transformati ...
读论文-Cycle GAN
Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks pix2pix和Cycle GAN都是做 ...
Cycle GAN（复现）---笔记
因为目前的课题了解到了Cycle GAN,所以最近去学习了相关的一些知识. 目前网上绝大多数的代码都是https://github.com/junyanz/pytorch-CycleGAN-and-p ...
【轩说AI】生成模型（2）—— GAN生成对抗网络 + WGAN + Conditional GAN + Cycle GAN
文章目录 GAN生成对抗网络(Generative Adversarial Network) 神经网络的本质就是一个函数,一个用于拟合的函数生成模型面临的前所未有的问题 GAN解决这一问题的思想 O ...
GAN、CGAN、DCGAN、Cycle GAN、SAGAN、WGAN、StarGAN
GAN: 值函数(评价函数,非损失函数): x表示真实图片,z表示输入噪声,x~Pdata(x)与x~Pz(z)表示满足各自的分布律.理想状态下,D(G(Z))=0.5 更新方式: 交替训练G(Gen ...
【论文阅读】TimbreTron : A WaveNet (Cycle GAN(CQT(audio ))) pipeline for musical timbre transfer
本文来自于ICLR2019. 文章引入本文讲的是乐器音色转换,即将一种乐器演奏的乐曲转换为另外一个乐器的音色,使转换后的乐音听起来像是另一个乐器所演奏的.提出了一种音频处理工作流程:TIMBRETR ...
初学者的路：市面上android书籍的评价
一直在学习安卓,看了挺多书,对看过的一些书发表一下看法 1:<Android 4.X从入门到精通> 中国人写的.这本书感觉是以每个功能和控件来教怎么用的,刚开始就是看这本书,每个都讲的很详 ...
初学者之路——————水声通信总结
水声信号进行目标识别,暂时的过程为使用声纳进行声信号捕捉,然后进行声信号去噪,最后通过一系列处理得到目标的声音分量进行区分. 水声信号的去噪不同于地面通信,面临的问题更为复杂,而且去噪过程对于目标识别 ...
初学者之路——————离散卷积
卷积这个概念,第一次接触的时候是在大一,当时以为只需要记下运算方法,而从没思考过背后含义,最近学了cnn,就重新回顾了一下卷积. 由于像素点的存在,图像领域中的预处理操作一般需要离散卷积,其实是对图像 ...
开源|效果惊人！Cycle Gan瞬间让马变成斑马
文章来源:Github 翻译:马卓奇博士从油画生成照片,将马转换成斑马,进行风格转换,以及更多(UC Berkeley) 项目主页:https://junyanz.github.io/CycleGA ...

初学者之路—————Cycle GAN

初学者之路—————Cycle GAN相关推荐

最新文章

热门文章