生成对抗网络GAN综述

被引：87

作者：

梁俊杰 ^{[1
]}

韦舰晶 ^{[1
]}

蒋正锋 ^{[2
]}

机构：

[1] 湖北大学计算机与信息工程学院

[2] 广西民族师范学院数学与计算机科学学院

来源：

计算机科学与探索 | 2020年 / 14卷 / 01期

关键词：

机器学习; 无监督学习; 生成对抗网络(GAN); 梯度消失; 模式崩溃;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

生成对抗网络(GAN)作为一种新的无监督学习算法框架得到越来越多研究者的青睐,已然成为当下的一个研究热点。GAN受启发于博弈论中的二人零和博弈理论,其独特的对抗训练思想能生成高质量的样本,具有比传统机器学习算法更加强大的特征学习和特征表达能力。目前GAN在计算机视觉领域尤其是在样本生成领域取得显著成功,每年有大量GAN相关研究的论文产出。针对GAN这一热点模型,首先介绍了GAN的研究现状;接着介绍了GAN的理论、框架,详细分析了GAN在训练过程中存在梯度消失和模式崩溃的原因;然后讨论了一些典型的GAN的改进模型,总结了它们理论的改进之处、优点、局限性、应用场景以及实现成本,同时还将GAN与VAE、RBM模型进行比较,总结出GAN的优势和劣势;最后展示了GAN在数据生成、图像超分辨率、图像风格转换等方面的应用成果,并探讨了GAN目前面临的挑战以及未来的研究方向。

引用

页码：1 / 17

页数：17

共 10 条

[1] 生成式对抗网络在图像补全中的应用 [J].

时澄 ;

潘斌 ;

郭小明 ;

李芹芹 ;

张露月 ;

钟凡 .

计算机科学与探索, 2019, (08) :1402-1410

[2] 基于神经网络的藏语语音合成 [J].

都格草 ;

才让卓玛 ;

南措吉 ;

算太本 .

中文信息学报, 2019, (02) :75-80

[3] 紧凑型深度卷积神经网络在图像识别中的应用 [J].

吴进 ;

钱雪忠 .

计算机科学与探索, 2019, (02) :275-284

[4] 基于生成对抗网络的运动模糊图像复原 [J].

桑亮 ;

高爽 ;

尹增山 .

计算机工程与应用 , 2019, (06) :173-177

[5] Intra- and intersegmental influences among central pattern generating networks in the walking system of the stick insect [J].

Mantziaris, Charalampos ;

Bockemuehl, Till ;

Holmes, Philip ;

Borgmann, Anke ;

Daun, Silvia ;

Bueschges, Ansgar .

JOURNAL OF NEUROPHYSIOLOGY, 2017, 118 (04) :2296-2310

[6] A fast learning algorithm for deep belief nets [J].

Hinton, Geoffrey E. ;

Osindero, Simon ;

Teh, Yee-Whye .

NEURAL COMPUTATION, 2006, 18 (07) :1527-1554

[7] Gaussian pyramid wavelet transform for multiresolution analysis of images [J].

Olkkonen, H ;

Pesola, P .

GRAPHICAL MODELS AND IMAGE PROCESSING, 1996, 58 (04) :394-398

[8]

The value of two-person zero-sum repeated games with lack of information on both sides[J] . Jean-Francois Mertens,Shmuel Zamir.International Journal of Game Theory . 1971 (1)

[9]

MidiNet:A Convolutional Generative Adversarial Network for Symbolic-domain Music Generation. Yang L C,Chou S Y,Yang Y H. . 2017

[10]

Generating images with perceptual similarity metrics based on deep networks. Alexey D,Brox T. . 2016

← 1 →