初识生成对抗网络(6)——利用Keras搭建CycleGAN实现风格迁移

目录

    • 0、前言
    • 一、CycleGAN介绍及其结构
    • 二、函数代码
      • 2.0 前提准备
      • 2.1 生成器Generator
      • 2.2 判别器Discriminator
      • 2.3 train函数
    • 三、结果演示
    • 四、完整代码

0、前言

CycleGAN的英文全称是Cycle GAN,即循环生成对抗网络,论文链接:https://arxiv.org/abs/1703.10593。

一、CycleGAN介绍及其结构

CycleGAN 是一种无需成对示例便可自动进行图像到图像转换的技术。这些模型是采用一批无需关联的来自源域和目标域的图像,以一种无监督的方式训练的。
CycleGAN提出了一种在没有成对图像的情况下,学习将图像从源域x转换为目标域y的方法。它使用两个镜像对称的GAN,构成了一个环形网络,两个GAN共享两个生成器,并各自带一个判别器,即共有两个判别器和两个生成器,一个单向GAN两个loss,两个即共四个loss

你可能感兴趣的:(GAN生成对抗网络,神经网络,python,深度学习,tensorflow,机器学习,计算机视觉)