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

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

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。

3.Stack GAN

先生成小图，然后再生成大图

4.Image-to-image

现实中的用途很多

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。

6.Speech Enhancement

先训练一套CNN，再用GAN

7.Video Generation