AI小科普 | 生成对抗网络

1.什么是生成对抗网络？

生成式对抗网络（GANs），是深度学习中的一个热点，其思想源于博弈论中的二人零和博弈。在二人零和博弈中，两位博弈方的利益之和为零或一个常数，即一方有所得，另一方必有所失。生成对抗网络中的博弈方分别为生成式模型(generative model)和判别式模型(discriminative model)，该网络希望生成足以骗过鉴别器的逼真图像。

2.生成对抗网络的训练过程?

生成对抗网络同时训练两个模型，分别是生成器和判别器。可以将生成器比作一个小偷，想方设法欺骗警察，模仿真实分布生成数据;将判别器比作一个警察，想方设法的去不受欺骗，区分出真实样本和生成器生成的模仿样本，小偷和警察都在不断的优化自己以达到目的，同时彼此都在对方的“监督”下而提升，直到判别器无法区分出真实样本和模仿样本，停止训练。

3.生成对抗网络的优点?

一个传统神经网络需要有一个成本函数来评估网络性能，但是对于生成式模型这样复杂的过程来说，构建一个优秀的成本函数一直是难点。但是生成对抗网络可以自主学习成本函数，确定自己的规则，无须精心设计和建构一个成本函数。目前生成对抗网络在图像中应用较多，例如图像风格化、人脸合成、文本生成图片、图像超分辨率、图像复原、图像生成描述等等。