Conditional Generative Adversarial Networks（CGAN）筆記

1.概述

CGAN即條件對抗網絡。GAN可以學習到訓練樣本的分布，進而生成新的資料。GAN雖然能生成新的資料，但是無法确切的控制新樣本的類型。比如手寫數字集，我們無法通過GAN來指定要生成的具體數字。條件對抗網絡就是為了解決這個問題。

2. 了解CGAN

1. 下面通過GAN 和CGAN的輸入輸出對比來了解CGAN.

   GAN:

   生成器G, 輸入一個噪聲z， 輸入一個圖像G（Z）

   判别器D, 輸入一個圖檔x，輸出一個圖像是真實圖檔的機率（D(x)），x是真實樣本或生成樣本

   損失函數： V(D, G) = log(D(x)) + log((1- D(G(z)))) , 這裡僅x是真實樣本， D(z)是生成樣本

   CGAN:

   生成器G, 輸入一個噪聲z，一個條件y, 輸出符合條件y的圖像（G(z/y)）

   判别器D,輸入一張圖檔x, 一個條件y, 輸出x,在條件y下是真實圖像的機率D(x/y).x是真實樣本或生成樣本

   損失函數： V(D, G) = log(D(x/y)) + log((1- D(G(z/y))))這裡x僅是真實樣本， D(z/y)是生成樣本

   條件y就是希望生成的标簽，是以生成器必須要生成和标簽比對的樣本， 而判别器要做的不僅是判段圖檔是否是真實圖檔，還要判讀圖像和條件是否比對。

   是以在訓練完之後，可以通過标簽和噪聲來使G生成指定的資料樣本！

2. CGAN基本結構圖解