Gan(生成式对抗网络)
- 中文名
- 生成式对抗网络
- 外文名
- Generative Adversarial Networks
- 简 称
- GAN
- 领 域
- 机器学习 / 计算机视觉
目录
- 1 发展历史
- 2 方法
- 3 应用
- ▪ 图像生成
- ▪ 数据增强
发展历史
编辑
方法
编辑
- 判别模型:给定一张图,判断这张图里的动物是猫还是狗
- 生成模型:给一系列猫的图片,生成一张新的猫咪(不在数据集里)
- G是一个生成图片的网络,它接收一个随机的噪声z,通过这个噪声生成图片,记做G(z)。
- D是一个判别网络,判别一张图片是不是“真实的”。它的输入参数是x,x代表一张图片,输出D(x)代表x为真实图片的概率,如果为1,就代表100%是真实的图片,而输出为0,就代表不可能是真实的图片。
应用
编辑
图像生成
数据增强
- 对于小数据集,数据量不足, 如果能生成一些就好了。
- 如果GAN生成了图片?怎么给这些数据label呢?因为他们相比原始数据也不属于预定义的类别。
在 [4] 中,都做了一些尝试。实验想法也特别简单,先用原始数据(即使只有2000张图)训练一个GAN,然后生成图片,加入到训练集中。 总结一下就是:
- GAN 生成数据是可以用在实际的图像问题上的(不仅仅是像mnist 这种toy dataset上work)作者在两个行人重识别数据集 和 一个细粒度识别 鸟识别数据集上都有提升。
- GAN 数据有三种给pseudo label的方式, 假设我们做五分类
- 把生成的数据都当成新的一类, 六分类,那么生成图像的 label 就可以是 (0, 0, 0, 0, 0, 1) 这样给。
- 按照置信度最高的 动态去分配,那个概率高就给谁 比如第三类概率高(0, 0, 1, 0, 0)
- 既然所有类都不是,那么可以参考inceptionv3,搞label smooth,每一类置信度相同(0.2, 0.2, 0.2, 0.2, 0.2) 注:作者16年12月写的代码,当时GAN效果没有辣么好,用这个效果好也是可能的, 因为生成样本都不是很“真”,所以起到了正则作用。
Gan(生成式对抗网络)相关推荐
- DeepLearing:GAN生成式对抗网络
GAN 生成对抗网络 文章目录 GAN 生成对抗网络 一.介绍 Q&A 二.GAN模型 GAN结构 生成器("假钞厂") 判别器("验钞机") 生成器与 ...
- GANs系列:GAN生成式对抗网络原理以及数学表达式解剖
一.GAN介绍 生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一.模型通过框架中(至少)两 ...
- PyTorch 实现 GAN 生成式对抗网络 含代码
GAN 网络结构 GAN 公式的理解 简单线性 GAN 代码如下 卷积 GAN 代码如下 Ref 网络结构 GAN 公式的理解 minGmaxDV(D,G)=Ex∼Pdata(x)[logD(x)]+ ...
- GAN生成式对抗网络
阅读Antonio Gulli<Deep Learning with Tensorflow 2 and keras>Second Edition 第六章GAN笔记 GAN生成对抗网络是无监 ...
- GAN生成式对抗网络总结
[1.介绍] GAN网络可以看成是两个网络模型对抗,一个是生成网络模型G,一个是识别网络模型.生成式网络模型G是一个用来生图片的网络,该模型的输入为一个随机的噪声z,通过这个噪声来生成相应的图片,该图 ...
- 不要怂,就是GAN (生成式对抗网络) (六):Wasserstein GAN(WGAN) TensorFlow 代码
先来梳理一下我们之前所写的代码,原始的生成对抗网络,所要优化的目标函数为: 此目标函数可以分为两部分来看: ①固定生成器 G,优化判别器 D, 则上式可以写成如下形式: 可以转化为最小化形式: 我们编 ...
- 不要怂,就是GAN (生成式对抗网络) (五):无约束条件的 GAN 代码与网络的 Graph...
GAN 这个领域发展太快,日新月异,各种 GAN 层出不穷,前几天看到一篇关于 Wasserstein GAN 的文章,讲的很好,在此把它分享出来一起学习:https://zhuanlan.zhihu ...
- Github | 深度神经网络(DNN)与生成式对抗网络(GAN)模型总览
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 编辑:Sophia 计算机视觉联盟 报道 | 公众号 CVLianMeng 转载于 :https://githu ...
- 【Pytorch项目实战】之生成式网络:编码器-解码器、自编码器AE、变分自编码器VAE、生成式对抗网络GAN
文章目录 博主精品专栏导航 生成式网络 - 生成合成图像 算法一:编码器-解码器 算法二:自编码器(Auto-Encoder,AE) 算法三:变分自编码器(Variational Auto Encod ...
- 【学习笔记】李宏毅2021春机器学习课程第6.1节:生成式对抗网络 GAN(一)
文章目录 1 能够作为生成器的神经网络 GAN 2 动漫人物头像生成 3 判别器(Discriminator) 4 从自然选择看GAN的基本思想 5 GAN 的具体实现过程 步骤一: 固定 gener ...
最新文章
- (链表)反转链表Reverse List
- [CF]Round514
- linux进程之间传递句柄
- 绝对素数(信息学奥赛一本通-T1153)
- 菜鸟的成长记录--linux 通配符和特殊字符集合的使用
- C语言除法浮点型和整形,浅谈C语言整型与浮点型转换
- 假如正则从来没来过,我们该如何去匹配一个字符串?
- 爬虫python 英文,python爬虫—爬取英文名以及正则表达式的介绍
- 用数字电路和模拟电路搭建出循迹小车(一)
- 422串口线互连的接法
- 【ICCV2019论文阅读】PU-GAN:点云上采样对抗网络
- 速卖通奇门+聚石塔流程
- 输入年份 计算 生肖 C语言实现
- cscd期刊计算机排名,计算机CSCD核心期刊.pdf
- 本地缓存之LIFO、LRU、FIFO、LFU实现
- 永恒之蓝攻击处置方法
- 苹果iPad2充不上电的问题
- 给OkHttp Client添加socks代理
- windows android 对比度,色彩对比度饱和度基本测试
- 【学习打卡】CAM可解释性分析-算法讲解
热门文章
- 赛门铁克Symantec通配型SSL证书(Symantec Secure Site Wildcard SSL Certificates)
- FOB指定货操作标准流程及相关经验
- Improving the Sensitivity of Online Controlled Experiments by Utilizing Pre-Experiment Data
- HNUST 计算机组成原理课设
- 游戏开发中的数学和物理算法10-18
- RxSwift使用教程
- vscode配置并运行swift
- 北京高校毕业生就业突击讲座
- 30天自制操作系统 导读
- 学画画软件app推荐_最好用的绘画软件APP,学画画必备