论文笔记-GAN

GAN：生成式对抗模型，通过生成模型生成图片数据，然后判别模型判定图片的真假，把结果参数传递给生成模型，生成模型再不断地迭代优化参数，使用对抗式训练地方式使得生成模型取得良好地表现。
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G生成的图片和真实的图片分别开来。这样，G和D构成了一个动态的“博弈过程”。
多层感知机
原始GAN地G和D都是多层感知机。
**函数
解决线性不可分问题
参考
反向传播
优化目标函数
过拟合-Dropout
参考
应用
（1）图片生成：如根据图片轮廓、超分辨率任务，语义分割
（2）图像复原：图像超分辨率重建以及残角图像修复、去除遮挡物
（3）风格迁移和视频预测
（4）NLP和语音识别领域
（5）数据增强

生成器可否自我训练
自编码器Auto-encoder和变分自编码器Variational Auto-encoder都是生成器；Auto-encoder：输入通过encoder编码成code，然后code通过decoder重建原图，其中decoder就是生成器，code可以取任意值，产生不同地输出。
VAE：
鉴别器可否自我训练
鉴别器是给定一个输入，输出一个[0,1]的置信度，越接近1则置信越高，越接近0则置信度越低

优缺点
参考