在前面一篇博客:【GAN】二、原始GAN论文详解中我们主要介绍了原始GAN模型的网络结构,训练方法以及相关GAN网络架构中的数学结论。那么在这篇博客中,我们将主要介绍原始GAN之后的又一种模型——DCGAN。DCGAN将GAN与CNN相结合,奠定后几乎所有GAN的基本网络架构。DCGAN极大地提升了原始GAN训练的稳定性以及生成结果质量。 DCGAN的
论文概述 近些年来,CNN已经被大量应用与监督学习领域,但是在非监督学习领域应用较少。本文中中,作者希望建立一个桥梁打破监督学习和非监督学习之间的鸿沟。(将CNN应用与非监督学习领域) 作者引入了一类CNN,对它的网络架构做了约束,DCGAN深度卷积对抗生成网络,展示了他们可以作为无监督学习的坚实候选方案。 作者在不同的...
DCGAN的论文链接为:https://arxiv.org/pdf/1511.06434.pdf 对于DCGAN的实战,可以参照GAN系列的第一篇文章:【GAN】一、利用keras实现DCGAN生成手写数字图像。 一、DCGAN网络架构 DCGAN主要是在网络架构上改进了原始GAN,DCGAN的生成器与判别器都利用CNN架构替换了原始GAN的全连接网络,主要改进之处有如下几个方面: DCGAN...