没有合适的资源?快使用搜索试试~ 我知道了~
DeepLearning深度学习教程_第七章_生成对抗网络.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 164 浏览量
2023-08-23
21:13:20
上传
评论
收藏 5.03MB PDF 举报
温馨提示
试读
23页
DeepLearning 深度学习 经验总结
资源推荐
资源详情
资源评论
DeepLearning
第七章第七章 ⽣成对抗⽹络⽣成对抗⽹络
DeepLearning
DeepLearning
1
1
1
2
2
2
3
3
4
4
5
5
6
6
6
6
7
7
7
7
7
8
9
9
10
11
11
11
12
12
13
13
13
14
15
15
15
16
17
18
⽬录
第七章第七章 ⽣成对抗⽹络⽣成对抗⽹络
7.1 GAN基本概念
7.1.1 如何通俗理解GAN?
7.1.2 GAN的形式化表达
7.1.3 GAN的⽬标函数是什么?
7.1.4 GAN的⽬标函数和交叉熵有什么区别?
7.1.5 GAN的Loss为什么降不下去?
7.1.6 ⽣成式模型、判别式模型的区别?
7.1.7 什么是mode collapsing?
7.1.8 如何解决mode collapsing?
7.2 GAN的⽣成能⼒评价
7.2.1 如何客观评价GAN的⽣成能⼒?
7.2.2 Inception Score
7.2.3 Mode Score
7.2.4 Kernel MMD (Maximum Mean Discrepancy)
7.2.5 Wasserstein distance
7.2.6 Fréchet Inception Distance (FID)
7.2.7 1- Nearest Neighbor classifier
7.2.8 其他评价⽅法
7.3 其他常见的⽣成式模型有哪些?
7.3.1 什么是⾃回归模型:pixelRNN与pixelCNN?
7.3.2 什么是VAE?
7.4 GAN的改进与优化
7.4.1 如何⽣成指定类型的图像——条件GAN
7.4.2 CNN与GAN——DCGAN
7.4.3 如何理解GAN中的输⼊随机噪声?
7.4.4 GAN为什么容易训练崩溃?
7.4.5 WGAN如何解决训练崩溃问题?
7.4.6 WGAN-GP:带有梯度正则的WGAN
7.4.7 LSGAN
7.4.8 如何尽量避免GAN的训练崩溃问题?
7.3 GAN的应⽤(图像翻译)
7.3.1 什么是图像翻译?
7.3.2 有监督图像翻译:pix2pix
7.3.3 其他图像翻译的tricks
7.3.4 如何⽣成⾼分辨率图像和⾼分辨率视频?
7.3.5 有监督的图像翻译的缺点?
7.3.6 ⽆监督图像翻译:CycleGAN
7.3.7 多领域的⽆监督图像翻译:StarGAN
7.4 GAN的应⽤(⽂本⽣成)
DeepLearning
第七章 ⽣成对抗⽹络
7.1 GAN基本概念
7.1.1 如何通俗理解GAN?
7.1.2 GAN的形式化表达
7.1.3 GAN的⽬标函数是什么?
7.1.4 GAN的⽬标函数和交叉熵有什么区别?
7.1.5 GAN的Loss为什么降不下去?
7.1.6 ⽣成式模型、判别式模型的区别?
7.1.7 什么是mode collapsing?
7.1.8 如何解决mode collapsing?
7.2 GAN的⽣成能⼒评价
7.2.1 如何客观评价GAN的⽣成能⼒?
7.2.2 Incept ion Score
7.2.3 Mode Score
7.2.4 Kernel MMD (Maximum Mean Discrepancy)
7.2.5 Wasserstein dist ance
7.2.6 Fréchet Incept ion Dist ance (FID)
7.2.7 1-Nearest Neighbor classif ier
7.2.8 其他评价⽅法
7.3 其他常见的⽣成式模型有哪些?
7.3.1 什么是⾃回归模型:pixelRNN与pixelCNN?
7.3.2 什么是VAE?
7.4 GAN的改进与优化
7.4.1 如何⽣成指定类型的图像——条件GAN
7.4.2 CNN与GAN——DCGAN
7.4.3 如何理解GAN中的输⼊随机噪声?
7.4.4 GAN为什么容易训练崩溃?
7.4.5 WGAN如何解决训练崩溃问题?
7.4.6 WGAN-GP:带有梯度正则的WGAN
7.4.7 LSGAN
7.4.8 如何尽量避免GAN的训练崩溃问题?
7.3 GAN的应⽤(图像翻译)
7.3.1 什么是图像翻译?
7.3.2 有监督图像翻译:pix2pix
7.3.3 其他图像翻译的t ricks
7.3.4 如何⽣成⾼分辨率图像和⾼分辨率视频?
7.3.5 有监督的图像翻译的缺点?
7.3.6 ⽆监督图像翻译:CycleGAN
7.3.7 多领域的⽆监督图像翻译:St arGAN
7.4 GAN的应⽤(⽂本⽣成)
7.4.1 GAN为什么不适合⽂本任务?
7.4.2 seqGAN⽤于⽂本⽣成
7.5 GAN在其他领域的应⽤
7.5.1 数据增⼴
7.5.2 图像超分辨与图像补全
7.5.3 语⾳领域
参考⽂献
第七章 ⽣成对抗⽹络
7.1 GAN基本概念
7.1.1 如何通俗理解GAN?
⽣成对抗⽹络(GAN, Generative adversarial net work)⾃从2014年被Ian Goodf ellow提出以来,掀起来了⼀股研究热潮。
GAN由⽣成器和判别器组成,⽣成器负责⽣成样本,判别器负责判断⽣成器⽣成的样本是否为真。⽣成器要尽可能迷惑判别
器,⽽判别器要尽可能区分⽣成器⽣成的样本和真实样本。
第七章 ⽣成对抗⽹络
1/20
DeepLearning
在GAN的原作[1]中,作者将⽣成器⽐喻为印假钞票的犯罪分⼦,判别器则类⽐为警察。犯罪分⼦努⼒让钞票看起来逼真,警
察则不断提升对于假钞的辨识能⼒。⼆者互相博弈,随着时间的进⾏,都会越来越强。那么类⽐于图像⽣成任务,⽣成器不
断⽣成尽可能逼真的假图像。判别器则判断图像是否是真实的图像,还是⽣成的图像,⼆者不断博弈优化。最终⽣成器⽣成
的图像使得判别器完全⽆法判别真假。
7.1.2 GAN的形式化表达
上述例⼦只是简要介绍了⼀下GAN的思想,下⾯对于GAN做⼀个形式化的,更加具体的定义。通常情况下,⽆论是⽣成器还
是判别器,我们都可以⽤神经⽹络来实现。那么,我们可以把通俗化的定义⽤下⾯这个模型来表⽰:
上述模型左边是⽣成器G,其输⼊是 ,对于原始的GAN, 是由⾼斯分布随机采样得到的噪声。噪声 通过⽣成器得到了⽣
成的假样本。
⽣成的假样本与真实样本放到⼀起,被随机抽取送⼊到判别器D,由判别器去区分输⼊的样本是⽣成的假样本还是真实的样
本。整个过程简单明了,⽣成对抗⽹络中的“⽣成对抗”主要体现在⽣成器和判别器之间的对抗。
7.1.3 GAN的⽬标函数是什么?
对于上述神经⽹络模型,如果想要学习其参数,⾸先需要⼀个⽬标函数。GAN的⽬标函数定义如下:
这个⽬标函数可以分为两个部分来理解:
第⼀部分:判别器的优化通过 实现, 为判别器的⽬标函数,其第⼀项 表
⽰对于从真实数据分布 中采⽤的样本 ,其被判别器判定为真实样本概率的数学期望。对于真实数据分布 中采样的样本,其预
测为正样本的概率当然是越接近1越好。因此希望最⼤化这⼀项。第⼆项 表⽰:对于从噪声
分布当中采样得到的样本,经过⽣成器⽣成之后得到的⽣成图⽚,然后送⼊判别器,其预测概率的负对数的期望,这个
值⾃然是越⼤越好,这个值越⼤, 越接近0,也就代表判别器越好。
第⼆部分:⽣成器的优化通过 来实现。注意,⽣成器的⽬标不是 ,即⽣成器不是
最⼩化判别器的⽬标函数,⼆是最⼩化判别器⽬标函数的最⼤值,判别器⽬标函数的最⼤值代表的是真实数据分布与⽣成数
据分布的JS散度(详情可以参阅附录的推导),JS散度可以度量分布的相似性,两个分布越接近,JS散度越⼩。
7.1.4 GAN的⽬标函数和交叉熵有什么区别?
判别器⽬标函数写成离散形式即为:
第七章 ⽣成对抗⽹络
2/20
剩余22页未读,继续阅读
资源评论
安全方案
- 粉丝: 1103
- 资源: 4000
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于matlab实现夜间车牌识别程序(1).rar
- 基于matlab实现无线传感器网络无需测距定位算法matlab源代码 包括apit,dv-hop,amorphous在内的共7个
- 基于python的yolov5实现的旋转目标检测
- 基于matlab实现无线传感器网络 CAB定位仿真程序 这是无线传感器节点定位CAB算法的仿真程序,由matlab完成.rar
- 基于matlab实现图像处理,本程序使用背景差分法对来往车辆进行检测和跟踪.rar
- 基于matlab实现视频监控中车型识别代码,自己写的,希望和大家多多交流.rar
- springcodespringcodespringcodespringcode
- 基于matlab实现权值的MAXDEV无线传感器网络定位算法研究 MAXDEV 无线传感器 定位 算法.rar
- sdk.config
- 基于matlab实现配电网三相潮流计算方法,对几种常用的配电网潮流计算方法进行了对比分析.rar
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功