生成式对抗网络研究与应用进展 |
| |
引用本文: | 柴梦婷,朱远平. 生成式对抗网络研究与应用进展[J]. 计算机工程, 2019, 45(9): 222-234 |
| |
作者姓名: | 柴梦婷 朱远平 |
| |
作者单位: | 天津师范大学计算机与信息工程学院,天津,300387;天津师范大学计算机与信息工程学院,天津,300387 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;天津市科技计划 |
| |
摘 要: | 基于零和博弈思想的生成式对抗网络(GAN)可通过无监督学习获得数据的分布,并生成较逼真的数据。基于GAN的基础概念及理论框架,研究各类GAN模型及其在特定领域的应用情况,从数据相似性度量、模型框架、训练方法3个方面进行分析,对GAN改进与扩展的相关研究成果进行总结,并从图像合成、风格迁移等应用领域展开讨论,归纳出GAN的优势与不足,同时对其应用前景进行展望。分析结果表明,GAN的学习能力与可塑性强,改进潜力大,应用范围广,但其发展面临的挑战是训练过程不稳定,且缺乏生成数据质量的客观评价标准。
|
关 键 词: | 生成式对抗网络 生成式模型 对抗学习 深度学习 人工智能 |
Research and Application Progress of Generative Adversarial Networks |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|