第五章：计算机视觉（Computer Vision）- 项目实战之生成对抗网络实战
第一部分：对抗生成网络原理
第一节：对抗生成网络算法基础知识：基本思想、GAN的基本架构、应用场景、标注格式
1. GAN 的基本思想
生成对抗网络（Generative Adversarial Network, GAN）由 Ian Goodfellow 于 2014 年提出，是深度学习中最具创新性的生成模型之一。它的核心思想是 通过"博弈"的方式训练生成器和判别器，让生成模型学会从噪声中生成与真实数据相似的样本。
-
生成器 (Generator, G)：负责从随机噪声中生成尽可能逼真的数据。
-
判别器 (Discriminator, D)：负责判断输入是"真实样本"还是"生成样本"。
二者在训练过程中不断对抗：
-
生成器尝试"骗过"判别器；
-
判别器努力识别真假。
最终，生成器能够生成"足以以假乱真"的样本。
2. GAN 的基本架构
GAN 的结构可以抽象为以下框图：
随机噪声 z → 生成器 G(z) → 生成样本
↓
判别器 D(x) 判别真假
真实数据 x →───────────↑-
输入 ：随机噪声向量
z，通常服从高斯分布或均匀分布。 -
生成器 G：一个深度神经网络，将噪声映射为高维数据（如图像）。
-
判别器 D：一个二分类网络，输出输入样本为"真实"的概率。
数学形式：
GAN 的目标函数是一个 min-max 博弈：
3. GAN 的应用场景
GAN 在计算机视觉领域有广泛的应用，包括但不限于：
-
图像生成：如生成逼真的人脸、艺术画风图像。
-
图像超分辨率重建：提升图像清晰度。
-
图像到图像转换：如黑白照片上色、夏季转冬季、白天转夜晚。
-
数据增强：生成合成数据用于训练下游模型。
-
视频生成与编辑：如 DeepFake 技术。
-
医疗影像处理：生成稀缺的医学样本以辅助诊断。
4. GAN 的常见标注格式
由于 GAN 的训练不依赖标签，而是直接学习数据分布，因此 不需要传统监督学习中的类别标签。
-
输入数据格式：通常为图像集合（如 CelebA 人脸数据集、MNIST 手写数字集）。
-
输出格式：生成的图像与原始图像一致（如分辨率相同）。
-
对抗目标：真实数据分布 vs. 生成数据分布。
与目标检测、图像分割不同，GAN 不依赖于标注文件（如 BBox 或 Mask），而是完全基于无监督学习。
5. 总结
-
GAN 的核心是 生成器与判别器的博弈，训练目标是让生成样本无限接近真实分布。
-
GAN 架构简洁但威力巨大，推动了图像生成、风格迁移、超分辨率等一系列应用的发展。
-
与分类/检测任务不同，GAN 不需要复杂的标注文件，主要依赖大规模无标签数据集。
在下一节中，我们将深入探讨 GAN 的改进与优化方法，包括 DCGAN、WGAN 等，使其在实际应用中更加稳定高效。