《深度学习基础及应用》教案 第10课 利用生成对抗神经网络进行图像生成.pdfVIP

课题利用生成对抗神经网络进行图像生成

课时2课时（90min）

知识技能目标：

（1）理解生成对抗神经网络的概念和原理

（2）了解常用的生成对抗神经网络模型的结构

（3）会使用Keras构建生成对抗神经网络模型

教学目标

（4）会配置训练生成对抗神经网络模型过程中的各种参数

素质目标：

（1）提高分析问题和解决问题的能力和自信心

（2）发扬精益求精的工匠精神，养成严谨认真的工作态度

教学重点：生成对抗神经网络的概念和原理，常用的生成对抗神经网络模型的结构

教学重难点教学难点：使用Keras构建生成对抗神经网络模型，配置训练生成对抗神经网络模型过程中的各种参

数

教学方法案例分析法、问答法、讨论法、讲授法

教学用具电脑、投影仪、多媒体课件、教材

教学过程主要教学内容及步骤

【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过APP或其他学习软件，完成课

课前任务前任务，请大家提前预习本节课要讲的知识

【学生】完成课前任务

【教师】使用APP进行签到

考勤

【学生】班干部报请假人员及原因

【教师】组织学生扫码观看“初识生成对抗神经网络”视频，并提出以下问题：

（1）简述生成对抗神经网络的优势。

问题导入

（2）举例说明生成对抗神经网络的应用领域（不少于3个）。

【学生】思考、举手回答

【教师】通过学生的回答引入要讲的知识，介绍生成对抗神经网络、常用生成对抗神经网络模型的

相关知识

6.1生成对抗神经网络

6.1.1什么是生成对抗神经网络

生成对抗神经网络（generativeadversarialnetworks,GAN）是一种基于博弈论的深度学习神经网络模

型，它通过一个相互对抗的过程来完成模型的训练。

✈【教师】随机邀请学生回答以下问题：

传授新知

对抗神经网络的核心部分是什么？

✈【学生】聆听、思考、回答

✈【教师】总结学生的回答

1

典型的生成对抗神经网络常用于图像生成任务，它的核心部分包括生成模型（generativemodel,简称

G）和判别模型（discriminativemodel,简称D）。生成模型尝试生成与真实样本分布一致的样本，目的

是欺骗判别模型，让判别模型认为生成样本是真实的；判别模型试图将生成样本与原始训练集的真实样

本区分开。生成模型与判别模型相互对抗、相互促进，最终生成模型能够生成以假乱真的样本，判别模

型无法区分是生成样本还是真实样本。

可以将生成模型看成专门伪造名人画作的骗子画师，将判别模型看成能够识别名人画作的鉴定专家。

骗子画师不断画出假画来欺骗鉴定专家，鉴定专家识别假画激励骗子画师，两者不断博弈，博弈的结果

是假画越来越像真迹，直到鉴定专家无法识别一张画作是真迹还是假画为止。

由于生成对抗神经网络能够生成复杂的高维度数据，因此被广泛应用于图像处理、序列数据生成等

领域。图像处理是生成对抗神经网络应用最多的领域，包括图像合成、图像转换、对象检测、对象变换

等；序列数据生成包