Just GAN

笔记

Posted by icbcbicc on March 24, 2017

Just GAN

GANs

  • GAN(Generative Adversarial Networks)

  • DCGAN(Deep Convolutional Generative Adversarial Networks)

    DCGAN的原理和GAN是一样的，它只是把GAN的G和D换成了两个CNN。DCGAN中的CNN做了一些改变：

      1. 取消所有pooling层。G网络中使用转置卷积（transposed convolutional layer）进行上采样，D网络中用加入stride的卷积替pooling
  2. 在D和G中均使用batch normalization
  3. 去掉FC层，使网络变为全卷积网络
  4. G网络中使用ReLU作为激活函数，最后一层使用tanh
  5. D网络中使用LeakyReLU作为激活函数

  • CGAN(Conditional Generative Adversarial Nets)

在生成模型G和判别模型D中同时加入条件约束y来引导数据的生成过程。条件可以是任何补充的信息，如类标签，其它模态的数据等，这样使得GAN能够更好地被应用于跨模态问题。具体流程： 把噪声z和条件y作为输入同时送进G，生成跨域向量，再通过非线性函数映射到数据空间。 把数据x和条件y作为输入同时送进D，生成跨域向量，并进一步判断x是真实训练数据的概率。

  • LAPGAN(Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks)

  • GRAN(Generating Images with Recurrent Adversarial Networks)

  • infoGAN(Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets)

  • WGAN