gan 总结 数据增强_两幅图像！这样能训练好 GAN 做图像转换吗？

前言

GAN似乎离不开大量的训练数据量。之前在知乎回答过一个问题，关于用GAN做数据增强的个人鄙见：

https://www.zhihu.com/question/372133109/answer/1081321788

GAN作为一种生成模型，很多人以为它主要用途是进行数据增广。但是在这一方面，GAN是有很多局限之处的。

首先，GAN不好训练，目前的技术还是需要大量训练样本。而一旦有大量训练样本，那GAN增广数据的意义似乎又不大了。

再者，在极度缺乏数据的情况下，需要做数据增广，而此时想用GAN帮忙?不好意思，GAN还做不了，数据太少无法学习样本的数据分布，生成出来的东西没眼看。

不过有个情况呢，比如数据不算太少但也不算太多，似乎用GAN生成的效果还行？而我的下游任务(比如分类)各种率也不太高，那能不能让GAN帮帮忙呢？我觉得可以试试。(这种情况下，其实可能效果还不如常规的翻旋裁剪缩的增广手段来的快)

GAN用于数据补充，其实是有很多相关工作的，比如在医学图像处理：【1】GAN在医学图像上的生成，今如何？

又比如在行人重识别也有一些工作，用GAN补充各个角度、光照、衣服的行人之类。(GAN的数据增广，目前在一些分辨率要求不高、清晰度还凑合的任务里可能更容易起效果。)

总而言之，目前GAN更多的其实还是用于图像转换、图像编辑一类的工作。数据增广嘛，emmm&