0
点赞
收藏
分享

微信扫一扫

深度学习(七)Generative Adversarial Network——笔记

目录

Generative Adversarial Network(GAN)

GAN的主要作用是用来做生成对象,输入向量,得到对应的对象

1.Text-to-Image

在这里插入图片描述

2.Conditional GAN

首先利用Generator来生成图片,输入条件和从某个分布中sample出来的向量。
在这里插入图片描述

3.Stack GAN

先生成小图,然后再生成大图
在这里插入图片描述

4.Image-to-image

现实中的用途很多
在这里插入图片描述

5.Patch GAN

当用一个Discriminator来进行评估整个大张的图片的时候会有很多问题:容易overfitting,如果训练时间长。可以用多个Discriminator来进行评估。每个Discriminator检查的区域的大小是超参数。如果太小那么整个图片就会糊掉。
在这里插入图片描述

6.Speech Enhancement

先训练一套CNN,再用GAN
在这里插入图片描述
在这里插入图片描述

7.Video Generation
在这里插入图片描述

举报

相关推荐

0 条评论