【深度学习】计算机视觉（CV）-图像生成-生成对抗网络（GANs, Generative Adversarial Networks）

生成对抗网络（GANs） 是 Ian Goodfellow 在 2014 年提出的一种深度生成模型 ，主要用于生成逼真的数据，如图像、音乐、文本等。GANs 采用博弈论思想 ，让两个神经网络（生成器 G 和 判别器 D）相互对抗，在不断竞争中提高数据的生成质量。

1. GANs 的核心思想

GANs 由 两个神经网络 组成：

生成器（Generator, G）
- 输入随机噪声 z，生成与真实数据类似的样本 G(z)
- 目标：欺骗判别器，让它认为生成的样本是真实数据
判别器（Discriminator, D）
- 输入数据（真实数据 x 或生成数据 G(z)）
- 目标：判断输入数据是真实的（1）还是生成的（0）

两者进行博弈（Adversarial Training）：

G 尽力欺骗 D
D 试图正确分类

最终，G 生成的数据会越来越逼真，D 也会变得更强。

2. GANs 的训练过程

Step 1: 随机生成噪声

生成器 G 以 随机噪声 z（通常是正态分布） 作为输入，生成假数据：

G(z)→生成假数据G(z)

Step 2: 判别器判定真假

判别器 D 接收 真实数据 x 和假数据 G(z) ，并计算它们的真假概率：
D(x)→1(真实数据)
D(G(z))→0(假数据)

Step 3: 计算损失

判别器损失（Binary Cross Entropy Loss）：

目的是让 D(x) 预测 1，D(G(z)) 预测 0。
生成器损失（让 G 欺骗 D）：

目的是让 D(G(z)) 预测 1（以为是假数据）。

Step 4: 交替优化

更新 D：固定 G，训练 D，使其能正确分类真假数据。
更新 G：固定 D，训练 G，使 D 无法区分真假数据。

最终，G 生成的数据将会越来越接近真实数据。

3. GANs 的数学原理

GANs 本质上是在优化一个极小极大问题（Minimax Game）：

其中目标函数为：

判别器 D：最大化 V(D,G) 以最准确区分真假数据。
生成器 G：最小化 V(D,G) 以欺骗 D，使得假数据尽可能像真实数据。

4. 经典 GANs 变体

DCGAN（深度卷积 GAN）

替换全连接层 → 使用 CNN 提高图像生成质量。
采用 Leaky ReLU 代替 ReLU，提高梯度流动。

WGAN（Wasserstein GAN）

解决**模式崩溃（Mode Collapse）**问题。
采用 Wasserstein 距离 代替 JS 散度，提高训练稳定性。

WGAN-GP（带梯度惩罚的 WGAN）

解决 WGAN 训练中的梯度消失问题，提高稳定性。

Conditional GAN（cGAN）

让 GAN 按类别生成特定类型的图片（例如手写数字、动漫头像）。
在输入中添加 类别标签，使 G 生成特定类别数据。

CycleGAN（循环一致性 GAN）

无需成对数据，即可进行风格转换（如 照片风格转换 、黑白图像上色）。

5. 代码实现（PyTorch）

生成手写数字（DCGAN）

python 复制代码

import torch.nn as nn
import torch.optim as optim


# 生成器类定义
# 该类用于生成图像，继承自nn.Module
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        # 生成器模型定义，使用反卷积（转置卷积）层逐步上采样，最终生成与真实图像大小相同的输出
        self.model = nn.Sequential(
            nn.ConvTranspose2d(100, 512, 4, 1, 0, bias=False),  # 输入维度为100，输出维度为512，卷积核大小为4，步长为1，padding为0
            nn.BatchNorm2d(512),  # 应用Batch Normalization
            nn.ReLU(True),  # 应用ReLU激活函数
            nn.ConvTranspose2d(512, 256, 4, 2, 1, bias=False),
            nn.BatchNorm2d(256),
            nn.ReLU(True),
            nn.ConvTranspose2d(256, 128, 4, 2, 1, bias=False),
            nn.BatchNorm2d(128),
            nn.ReLU(True),
            nn.ConvTranspose2d(128, 1, 4, 2, 1, bias=False),
            nn.Tanh()  # 应用Tanh激活函数
            # 输出维度为1，表示生成的图像像素值范围在-1到1之间
        )

    # 前向传播函数
    def forward(self, x):
        return self.model(x)


# 判别器类定义
# 该类用于判别图像真假，继承自nn.Module
class Discriminator(nn.Module):
    def __init__(self):
        super(Discriminator, self).__init__()
        # 判别器模型定义，使用卷积层逐步下采样，最终输出一个标量概率值
        self.model = nn.Sequential(
            nn.Conv2d(1, 128, 4, 2, 1, bias=False),  # 输入维度为1，输出维度为128，卷积核大小为4，步长为2，padding为1
            nn.LeakyReLU(0.2, inplace=True),  # 应用Leaky ReLU激活函数
            nn.Conv2d(128, 256, 4, 2, 1, bias=False),  # 输入维度为128，输出维度为256，卷积核大小为4，步长为2，padding为1
            nn.BatchNorm2d(256),  # 应用Batch Normalization
            nn.LeakyReLU(0.2, inplace=True),
            nn.Conv2d(256, 512, 4, 2, 1, bias=False),
            nn.BatchNorm2d(512),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Conv2d(512, 1, 4, 1, 0, bias=False),
            nn.Sigmoid()  # 应用Sigmoid激活函数
        )

    # 前向传播函数
    def forward(self, x):
        return self.model(x)


# 初始化生成器和判别器模型
G = Generator()
D = Discriminator()

# 初始化生成器和判别器的优化器，使用Adam优化算法
optimizer_G = optim.Adam(G.parameters(), lr=0.0002, betas=(0.5, 0.999))  # 生成器优化器
optimizer_D = optim.Adam(D.parameters(), lr=0.0002, betas=(0.5, 0.999))  # 判别器优化器

# 打印生成器模型结构
print(G)

运行结果

python 复制代码

Generator(
  (model): Sequential(
    (0): ConvTranspose2d(100, 512, kernel_size=(4, 4), stride=(1, 1), bias=False)
    (1): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (2): ReLU(inplace=True)
    (3): ConvTranspose2d(512, 256, kernel_size=(4, 4), stride=(2, 2), padding=(1, 1), bias=False)
    (4): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (5): ReLU(inplace=True)
    (6): ConvTranspose2d(256, 128, kernel_size=(4, 4), stride=(2, 2), padding=(1, 1), bias=False)
    (7): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
    (8): ReLU(inplace=True)
    (9): ConvTranspose2d(128, 1, kernel_size=(4, 4), stride=(2, 2), padding=(1, 1), bias=False)
    (10): Tanh()
  )
)

使用 DCGAN 训练后，可以生成逼真的手写数字！

6. GANs 的应用

图像生成：动漫头像、3D 人脸建模
风格转换：黑白照片上色、照片 → 画风转换（如 CycleGAN）
医学影像：生成 MRI、CT 图像，提高医疗影像质量
文本生成：ChatGPT、文本补全
数据增强：生成样本数据，提高模型鲁棒性

7. 总结

GANs 通过 G 和 D 互相对抗，提高生成数据的质量
训练 GANs 可能存在模式崩溃、梯度消失等问题
多个 GAN 变体（DCGAN、WGAN、cGAN）解决不同任务需求
广泛应用于图像生成、风格转换、数据增强等领域

GANs 仍然是 AI 生成模型的重要技术之一，未来可能结合 Transformer 进行更多创新！