生成对抗网络学习

摘要

生 成 对 抗 网 络 （ Ｇ ＡＮ ） 是 无 监 督 学 习 领 域 最 近 几 年 快 速 发 展 的 一 个 研 究 方 向 ， 其 主 要 特 点 是 能 够 以 一 种 间 接 的 方 式 对 一 个 未 知 分 布 进 行 建 模 ． 在 计算 机 视 觉 研 究 领 域 中 ， 生 成 对抗 网 络 有 着 广 泛 的 应 用 ， 特 别 是 在 图 像 生 成 方 面 ， 与 其 他 的 生 成 模 型 相 比 ， 生 成 对抗 网 络 不 仅 可 以 避 免 复 杂 的 计算 ， 而 且 生 成 的 图 像 质 量 也 更 好 ．

核心思想

ＧＡ Ｎ 主 要由 生 成器 和 鉴 别 器 两 个 部 分组 成 。生 成 器的 目 的 是 生成真实的 样本 去骗 过鉴 别器 ， 而 鉴 别 器 是 去 区 分真实的样 本 和生 成 的 样 本 ． 通过对抗 训 练 来 不 断 的 提高各 自 的 能 力 ． 最终 达 到一 个 纳 什 均 衡 的 状态 ．

纳什平衡

纳什平衡（Nash equilibrium），又称为非合作博弈均衡，是博弈论的一个重要术语，以约翰·纳什命名。在一个博弈过程中，无论对方的策略选择如何，当事人一方都会选择某个确定的策略，则该策略被称作支配性策略。如果任意一位参与者在其他所有参与者的策略确定的情况下，其选择的策略是最优的，那么这个组合就被定义为纳什平衡。

一个策略组合被称为纳什平衡，当每个博弈者的平衡策略都是为了达到自己期望收益的最大值，与此同时，其他所有博弈者也遵循这样的策略。

关于生成对抗网络的研究主要是以下两个方面：

（ １ ） 在理论研究方 面 ， 主 要 的工作是消除生成对抗网铬的不稳定性和模式崩溃的问题。
（ ２ ） 在应 用 方 面， 主 要 关 注 的 是生 成 对 抗 网 络 在计算 机视 觉 （ Ｃ Ｖ ） ， 自 然语言处理（ ＮＬＰ ） 和 其 他 领 域 的 应 用 ．

GAN原理

Ｇ 是 由 参数化的神 经 网 络 实现 ，G的输辱 一个 服从某一分布Pz 的 随 机向量 z ， 而 Ｇ 的 输 出 可 以看成是 采 样于 某 一分 布 Pg 的 一 个祥 本 Ｇ（d）。

Ｇ Ａ N 中 Ｇ 的 主 要 目 的 是生成类似 于 真实 数 据 的祥本以 骗 过D，而 Ｄ 的输人 由真实的样 本 和 生成 的 样 本 两 个 部 分 组 成 ， Ｄ 的 目 标是判 断 输 入 的 数 据是来 自 于 寘实 的 样本 还是来 自 于 Ｇ 生成 的 样 本 ．

第４４卷 第２期 ２０２１年２月计算机学报 生成对抗网络及其在图像生成中的应用研究综述