生成对抗网络图像处理综述

作者：朱秀昌; 唐贵进

来源：南京邮电大学学报(自然科学版), 2019, 39(03): 1-12.

DOI：10.14132/j.cnki.1673-5439.2019.03.001

• 深度学习
• 生成对抗网络
• 图像处理
• 生成模型
• 判别模型

2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像。近年来各种改进型GAN在图像处理领域得到广泛应用,不但覆盖了几乎所有传统图像处理领域,还包括一些新应用,如图像编辑、图像翻译、风格转移等,普遍取得了胜过传统方法的良好结果。文中在简要分析GAN的系统结构、对抗生成和网络训练的基础上,重点介绍了为提高GAN性能、克服现存缺陷和满足不同应用而出现的多种改进型GAN,如DC-GAN、W-GAN、Big-GAN等。尽管如此,目前GAN尚处于初始发展阶段,将来的前途不可估量。

• 单位
  南京邮电大学