02-图像生成-03-GAN图像生成原创

好，小伙伴们大家好，接下来我们来看一下生成对抗网络这一部分的内容，那在这里我们给大家来介绍一下生成对抗网络也是我们的GA网络是如何来进行图像生成的啊，那这个干网络呢，是2014年提出来的一种图像生成网络啊，是最早的一种生成模型之一，那它广泛的应用在图像生成当中哈，有很多图像生成算法，我们都是基于game来实现的，比方说比较著名的DC干呢干cle干这一系列的内容啊，都是以干网络为基础的。好，那下面我们就给大家来看一下这个干网络是如何来进行图片生成的，那干网络的构成呢，其实很简单，它是由两部分来构成的，一部分就是生成器，还有一部分呢，是我们的判别器，那生成器它就负责来生成图片，那判别器就辅助我们来判。

段生成器生成的图片是否比真，也就是说跟我真实的图片有没有差别，当我们的判别器没有办法去判断图片是生成器生成的图片的时候，还是真实的图片的时候，那这时候我们就说生成器生成的图片是比较逼真的了啊，那我们希望达到的效果也是这样子，当我把生成器的图片送入到判别器当中去，那判别器认为它是真的图片的时候，那我们的生成的图片我认为效果就还不错，好，那下面我们就给大家来看一下生成器和判别器啊，它俩的一个作用，那生成器呢，就是来学习合理的数据，要说真实的数据，比如说我这个图像生成器。给定一个向量，那这里的向量一般就是一个随机数哈，然后这个随机向量呢，我送到图像生成器当中去之后啊，我会生成一张图片，那这张图片呢，我会送到判别器当中去进行判断啊，那判别器如果把它判别成真实的图片的时候，我们就认为生成的效果还不错啊，然后接下来就是我们的判别器，刚刚说了判别器是用来做什么，就是来判断生成的图片是否是真实的图片，那这个判别器它的作用呢，就是为了去判别输入是生成数据还是真实数据，当我送进去生成数据的时候，当网络输出接近于零的时候，那说明我生成器的效果还不行，也就说诶，这时候我的判别器啊，能很容易的就识别出来你是生成器生成的图片，当我的判别器不能够去判断出是生成数据。

这时候也说网络输出结果接近于一的时候，我就说啊，这个时候是我的真实数据啊，就是哎，你生成的图片已经接近于我们的真实数据了，这是我们在这里这个更网络它的构成，那这个生成器和判别器两个网络相辅相成，然后训练好之后，那最后我来生成图片的时候，大家想想我的判别器还有用吗？啊，那我要去进行图片生成的时候，判别器就没有用了，我只使用什么？只使用生成器来生成相应的图片就OK了，这是我们在这里这个干网络它的一个构成，哈，好，那下面我们就给大家来。

举一个例子来看一下干网络是如何来进行图像生成的啊，那在这里呢，老师啊，把这个给家截图一下，我们就通过这个呢，来给大家去说明一下生成对抗网络是如何来进行图像生成的，那在这里大家看一下我有一些真实的样本，真实的样本，这是一些真实的样板哈，就是我们的训练及数据是真实存在的图片，大家看一下这些图片呢，就是一些手写数字图片，我希望我的网络game网络来给我们生成书写数字，那这时候我们就需要去收集一些真实的手写数字图片，拿到这些真实的手写数字图片之后，然后呢，我要去训练我们的GA网络，刚才老师给大家介绍的干网络，我有几个部分来组成两部分，一部分是我们的生成器啊，那生成器的时候大家看一下就是这一部分，这一部分就是我们的生成器，另一部分呢，是我们的判别器。

D啊，这是判别器，那判别器就是这里这一款，这就是我们的判别器，好，那现在我们来看一下啊，生成器去做什么呢？生成器的输入大家看是什么？随机噪声，随机噪声当然你也可以输入一些特征哈，在这里看，一般情况下我们输润进去的都是随机噪声，那这个随机噪声送件到我们的生成器当中之后，我们的生成器呢，会生成一个手写数字的图片，那大家想这个手写数字的图片是真实的还是假的，是假的是生成的图片，所以呢，这时候它就是一些，哎，假的图片是生成器生成的图片，那这时候生成的图片和我们的真实收集的图片，我要送到我的判别器当中来，那这个判别器去做什么呢？判别器去进行二分类，大家看这里是不是二分类呀，然后来判断这个图片，比如说输入进来的这个图片是真实。

的图片还是生成器生成的图片，那在这整个过程当中，我去进行训练的时候，我就是哎，大量的这样子的随机噪声送进来，我生成大量的图片，然后呢，每一次这个图片生成的时候，我都跟真实数据送到我的判别器当中来，让我的判别去去判断。当前这张图片是真实的还是生成的图片，那直到什么情况下呢，直到我们的判别器没有办法再去识别我生成出来的图片的时候，也说对于这个生成出来的图片，识别器也把它判断为真实的图片的时候，那我就认为我们的生成器，你生成的图片效果是比较好的了，那这时候我就可以怎么样用生成器来生成图片，也说我就可以来完成图像生成了，这就是我们在这里这个game网络它的一个内容，那这个game网络啊，大家来看一下，它在起名字的时候，是不是就是诶对抗生成网络，一个生成网络，一个我们的判别器，两个网络相辅相成，零和博弈啊，来进行相应的学习，最终获取一个图像生成的网络结构，好，那现在我们来看一下啊，这个地方大家看这边老师给大家去学到了生成器，就是这里生蓝色网络结。

结构对吧，这个蓝色网络结构就是来生成图片的，那这里输入的时候，一般情况下啊，都是一些随机噪声判别器，就是一个二分类的模型，就是一个二分类的来判断是否是生成的图片，它输出一个概率值，当这个概率值越接近一的时候，我就认为它是真实的图片，当概率值越接近于零的时候，我就认为它是生成的图片，那大家想一想，我们的目的是什么？目的是送进去一张生成的图片的时候，我的第四就是判别器应该输出零还是输出E，接近于零还是接近于E。

我们希望它接近于一，是不是我们的判别器没办法去识别它是我们生成的图片，那我们就认为我们训练好了这个网络啊，这是我们在这里这个生成对抗网络它的一个思想，那生成对抗网络的应用呢，是非常广泛的啊，比如说在人脸替换的时候，卡通头像生成的时候，还有图像的超分辨率重建，分隔迁移的时候，在这些应用场景下，大家往往能够看到生成对抗网络的身影，那生成对抗网络这一部分我们就给大家去说这些，接下来我们去介绍一下扩散模型是如何来进行图像生成的。