原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
生成对抗网络27深度学习模型分为判别式模型和生成式模型。判别模型是将一个高维的感官输入映射为一个类别标签。生成网络把随机点变成与数据集相似的图片。目前深度学习取得的成果主要集中在判别式模型。Goodfellow等于2014年提出生成对抗网络（GAN），使用对抗训练机制对两个神经网络进行训练。
生成网络的基本原理生成模型将一个高斯噪声矢量z映射为一个生成概率分布通过优化损失函数调整参数使生成概率分布尽可能逼近真实数据分布。高斯噪声生成分布pg(x)真实数据分布pdata(x)生成模型θ图像空间28图像空间损失函数
生成对抗网络的结构29
生成对抗网络的训练假币制作与识别：30
生成对抗网络的训练GAN的两个相互交替的训练阶段：固定生成网络，训练判别网络固定判别网络，训练生成网络两个网络相互对抗的过程，就是各自网络参数不断调整的过程，即学习过程。31
生成对抗网络在图像处理中的应用图像修复32
生成对抗网络在图像处理中的应用图像风格迁移33
文档评论（0）