生成对抗网络图像处理综述

摘要：

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.

关键词：深度学习、生成对抗网络、图像处理、生成模型、判别模型

所属期刊栏目：39

分类号：TN919.8

在线出版日期：2019-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-12