论文:https://arxiv.org/pdf/1511.06434.pdf
发表:ICLR 2016
一、架构创新
**1:全卷积网络:**用逐步卷积代替确定性的空间池化函数(如maxpooling),使网络学习自己的空间下采样。使用这种方法,允许它学习他自己的空间上采样和鉴别器。
**2:取消卷积特征之上的全连接层:**gap平均池化层提升了模型的稳定性,但降低了收敛速度。
3:批量标准化**:**BN有助于处理由于初始化较差而出现的训练问题,并帮助深层模型中的梯度流。这证明深层生成器开始学习非常重要。直接将批处理应用于所有层面,会导致样品振荡和模型不稳定。通过不将批处理应用于生成器输出层和鉴别器输入层来避免。
生成器中除了output层使用Tanh 激活,其他层使用ReLU激活。判别器中使用leaky ReLU激活。
二、训练干货
1:除了缩放至tanh激活函数[-1,1]的范围之外,没有对训练图像进行应用预处理。
2:使用小批量随机梯度下降法(SGD)进行训练,batch size为128。
3:权重初始化都是以零为中心的正态分布初始化的,标准偏差为0.02。
4:在LeakyReLU中,斜率设置为0.2。
5:使用Adam优化器。我们发现建议的学习率为0.001太高,用0.0002来代替。此外,我们发现将动量项留在0.9的建议值导致了训练振荡和不稳定性,同时将其降低到0.5,这有助于稳定训练。
三、操纵生成表示
- 去除图像中某些物体,论文中实现的方法如下:
- 选择152张生成的图片,对其中52张有窗户的图像,标记窗户的location。
- 在倒数第二层卷积features上,使用逻辑回归找出窗户的位置。来自窗户的位置区域的是positives,图上的其他区域是negatives。
- 将窗户区域中weights大于0的特征进行丢弃(手动设置为0)。
- 使用相同的输入特征,重新生成图片。
- 论文配图如下:
- 第一行为原始图片(有窗户)。
- 第二行为将窗户相关特征添加到dropout后的结果(没有窗户)。
- 总体结果:图像变模糊,但窗户在一定程度上也少了。
四、人脸上的尝试
经典示例:king国王特征 - man男性特征 + women女性特征 = queen女王特征
对单个样本进行实验,结果是不稳定的,但是对三个样本的Z向量进行平均,显示了在语义上服从算术是一致的和稳定的。此外,我们还证明了人脸姿态也是在Z空间中线性建模的。 (暗指人脸编辑是可行的,当然这个是16年,很早的文章了,很有启发性。后续已经有更好的方案了)
3个女性(微笑表情)的平均 - 3个女性(正常表情)的平均 + 3个男性(正常表情)的平均
= 可以生成微笑表情的男性
左边3列:
对于每一列,将样本的Z向量进行算术运算,得到新的向量Y。
右边3列:
中间样本是通过将 Y 作为输入提供给生成器而生成的。
其他两列是通过使用比例为 +-0.25 的均匀噪声采样对Y进行操作,产生得到。
五**、代码尝试**
1:阅读pytorch官方指南:https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html
2:使用pytorch官方代码:https://github.com/pytorch/tutorials/blob/main/beginner_source/dcgan_faces_tutorial.py
迭代了50个epoch的效果,还是比较抽象吧,但可以很好学习code。