声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：32-1772/TN
国际刊号：1673-5439
发布日期:
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
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。