中文 英语
知识中心
导航
知识中心

生成对抗网络(甘)

一个神经网络框架,可以生成新的数据。
受欢迎程度

描述

生成对抗的网络,或甘斯,深度学习无监督学习框架,利用两个神经网络。两个网络相互对抗,产生一个新的数据(如图像),第二个网络然后试图识别真正的或生成。

更好地理解甘斯,它有助于把他们分解成两个不同的概念。

第一个是“生成”的部分。在一个典型的美国有线电视新闻网,大量的数据(图像中的像素)消耗,通过识别特性,抽象成越来越小的层。一些人认为这是一个形式的压缩,因为理论上压缩版本还包含原始图像中所有的信息,就更简练地表达。所以您应该能够将已压缩版本解压它,把它通过反向网络,最终扩展到原始图像。反向的过程可以用来生成一个图像从分布函数。

第二个概念是“对抗”方面。我们引入两个网络,一个发电机(图片,或许),而另一个“鉴别器”评估生成的图像或其他工件。鉴别器将以前被训练识别不管它是发电机将熄灭。GAN培训包括生成器创建图像,然后在鉴别器决定是否将他们视为“真正的”。


甘基本架构。生成器创建一个图像从一个随机种子。鉴频器评估图像根据其培训是否能告诉真正的假的。结果回到生成器和鉴频器,这样他们改善。来源:布来安梅奥/半导体工程

作为一个例子,鉴别器可能获得的样本艺术品由梵高。发电机然后创建图像,鉴别器决定是否由梵高。如果不是,那么发电机和鉴别器都更新。这种反馈作为培训生成器来创建更好的图像,和鉴别器判决的工作做得更好。最终,发电机将学习创建图像,傻瓜鉴别器。达到这一点,当图像的鉴别器说有一半机会创建(或其他工件)真与假。

甘斯已经被用于执行任务,比如面对衰老以及创建“假”的图片和视频的名人和政治家。

来自:有更多的比cnn机器学习

Baidu