南京邮电大学学报(自然科学版)

作者：朱秀昌,唐贵进

单位：南京邮电大学 江苏省图像处理与图像通信重点实验室，江苏南京210003南京邮电大学 江苏省图像处理与图像通信重点实验室，江苏南京210003

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

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。

来源：2019年第3期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2019年第3期