Triangle Generative Adversarial Networks
一、∆ -GAN理论
1. 引入
以成对数据集为训练集进行训练的GAN有很多,其中包括DualGAN、DiscoGAN、CycleGAN、Bidirectional GAN、TripleGAN等,文中提到由于DualGAN等是完全无监督的,导致一些不可识别的问题产生,所以应提供适当的监督,来匹配跨域的联合分布,因而提出了Triangle GAN。
∆ -GAN与其他相似GAN的比较:
(1) ∆ -GAN与Triple GAN的比较
①判别器不同:∆ -GAN是隐含三元判别函数,Triple GAN是二元;
②∆ -GAN看成是CGAN和ALI的结合,Triple GAN是两个CGAN;
③在最优判别器的情况下,∆ -GAN表示三个域上JS散度值(对称),Triple GAN是JS散度+KL散度(不对称);
这里如何理解对称还是不对称?
KL散度不是一个对称的衡量,因为KL(Pg||Pr)和KL(Pr||Pg)是有差别的。
④Triple GAN额外计算的KL散度值等于完全监督的损失值,需要条件分布显示密度形式,∆ -GAN允许梯度的方式对条件密度进行反向传播采样。
(2) ∆ -GAN与DiscoGAN的比较
生成器是在不同域中的双向匹配,判别器是判别生成的真的样本还是假的,但不是在不同域上进行判别的。
2. 概述
∆ -GAN可理解为半监督跨域联合分布匹配。
使用成对的训练样本进行训练,可看作是BiGAN和CGAN的结合。与原始GAN不同,∆ -GAN包含4个神经网络,2个生成器和2个判别器,生成器和判别器采用对抗的训练方式学习。
①生成器G:双向条件分布;(学习数据的联合分布)
②判别器D:隐含定义三元判别函数;(三元判别函数:真实的数据样本对;两类不同的样本对)
3. 详细∆ -GAN理论
∆ -GAN用完全配对的数据样本来拟合联合分布 ,包好两个生成器:
其中,都有噪声z作为输入。
(1)在∆ -GAN的对抗学习中,样本x会根据分布绘制p(x),然后生成Gy会生成伪样本服从分布,因此假的样本对 拟合联合分布。
(2) ∆ -GAN的目标是匹配三个联合分布域:
文中提到可以保证学习到的双向分布 和能够将生成的假的样本对 从真实样本对 中区分出来。
(3)隐式三元判别函数
D1:区分样本是否来自
D2:若D1判别样本不是来自,则D2用来区分样本是否来自 和。
结构类似于ALI想法:
左侧:通过decoder网络生成隐变量,正态分布噪声数据;右侧:通过encoder网络生成。
4. 半监督学习
文中提到∆ -GAN可以看成是CGAN和BiGAN的结合,CGAN是完全监督的学习方式,而BiGAN是无监督学习,于是∆ -GAN以一种半监督的方式学习。而这种半监督方式可以存在一些问题:是经验值,只能粗略的表征整个数据集。
文中提到我们只能从简单的一些成对样本中提取出 的分布,而这种分布取决于经验的判断,我们假设。
二、实验
∆ -GAN在三种不同域的成对样本上做实验:
①图像-标签;
②图像-图像;
③图像-属性对。(一个域表示图像格式的图片;另一个域是txt文本文件的属性值)
1. 具体实验分类
(1)半监督分类CIFAR 10数据集
(2)图像-图像转换 MNIST数据集、edges2shoes数据集
(3)属性-图像 CelebA数据集、COCO数据集
2. 与其他类似GAN实现功能最大不同
图像-属性-图像的生成。
Triangle Generative Adversarial Networks相关推荐
- Generative Adversarial Networks 生成对抗网络的简单理解
1. 引言 在对抗网络中,生成模型与判别相竞争,判别模型通过学习确定样本是来自生成模型分布还是原始数据分布.生成模型可以被认为是类似于一组伪造者,试图产生假币并在没有检测的情况下使用它,而判别模型类似 ...
- 生成式对抗网络Generative Adversarial Networks(GANs)
1. 前言 2. 参考资料 3. 研究背景 4. GAN的框架 4.1 对抗框架(Adeversarial Nets) *关于"无监督学习"的说明 4.2 Minimax two- ...
- 深度学习之生成式对抗网络 GAN(Generative Adversarial Networks)
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.它源于2014年发表的论文:& ...
- 【文献阅读】Perceptual Generative Adversarial Networks for Small Object Detection –CVPR-2017
Perceptual Generative Adversarial Networks for Small Object Detection 2017CVPR 新鲜出炉的paper,这是针对small ...
- Generative Adversarial Networks in Computer Vision: A Survey and Taxonomy(计算机视觉中的GANs:综述与分类)
Abstract: 生成对抗网络(GANs)在过去几年得到了广泛的研究.可以说,他们最重要的影响是在计算机视觉领域,在挑战方面取得了巨大的进步,如可信的图像生成,图像之间的翻译,面部属性操纵和类似领域 ...
- Self-Attention Generative Adversarial Networks(SAGAN)理解
介绍 Self-Attention Generative Adversarial Networks(SAGAN)是Han Zhang, Ian Goodfellow等人在去年提出的一种新的GAN结构, ...
- SAGAN——Self-Attention Generative Adversarial Networks
原论文下载地址:Self-Attention Generative Adversarial Networks 该文章作者为:Han Zhang GitHub代码实现:pytorch实现 摘要部分: 本 ...
- [论文笔记]Self-Attention Generative Adversarial Networks
1.文献综述 文章链接:链接 文章题目:<Self-Attention Generative Adversarial Networks> 项目地址:1.TensorFlow版 2.pyto ...
- 论文翻译:2019_Bandwidth Extension On Raw Audio Via Generative Adversarial Networks
论文地址:原始音频的带宽扩展通过生成对抗网络 博客作者:凌逆战 博客地址:https://www.cnblogs.com/LXP-Never/p/10661950.html 摘要 基于神经网络的方法最 ...
最新文章
- mysql中关于count(*) count(id)的误区
- C++重载和重写的条件以及重写后对基类函数的覆盖
- 第十一节:基于MVC5+Spring.Net+EF+Log4net 传统的一种搭建模式
- java 不显示控制台_命令行启动java程序不显示控制台窗口
- 账号类型_2019年头条、百家、大鱼、企鹅四平台哪种类型的账号最受欢迎?
- DBGrid 应用系列
- 不会Netty,你也永远不会熟悉Java
- jmeter断言 判断响应数据是否符合预期
- C++实现基于mfc的仓库管理系统(可连MySQL数据库)
- 怎样自制微信gif动态表情包?
- linux系统下安装qq,Ubuntu 12.04安装QQ2012
- 在线预览服务器搭建,『配置』服务器搭建 Office Online Server2016 实现文档预览 番外 错误篇...
- kali中清除历史命令
- 1644年,紫禁城换了三任主人
- Ubuntu nautilus 快速打开文件浏览器
- 如何在表格里做计算机统计表,(excel怎么做统计表)excel表格如何制作数据表
- Asio Streams, Short Reads and Short Writes
- IAssemblyDoc Interface 学习笔记
- 【读书笔记】《Effective Java》第二章 第2条:遇到多个构造器参数时要考虑使用Builder
- 6-8 使用函数求最大公约数 (10 分)
热门文章
- element el-upload上传图片完成后隐藏上传
- java查看sql视图,java - Spring + JPA + SQL视图 - SO中文参考 - www.soinside.com
- java progressbar swt_SWT(JFace)体验之ProgressBar
- java jshelllink_02--Java Jshell的使用 最适合入门的Java教程
- vue(vue-cli+vue-router)+babel+webpack项目搭建入门 (第一步)
- 【MyBatis框架】mybatis入门
- python画正方形并涂色_关于python使用cv画矩形并填充颜色同时填充文字
- c语言二维数组 ppt,C语言二维数组与指针.ppt
- weex android 滑动事件,【报Bug】weex编译模式下slider组件 @scroll 事件, 滑块左右滑动, @scroll 回调的值始终是负数, 判断不了左右动作...
- 通用数据接口USB3.0,雷电3,TypeC之间