历史最全GAN网络及其各种变体整理

文章主要整理了GAN网络及其各种变体模型,并给出了模型的论文出处及代码实现,结合最原始的论文和代码实现,可以加深对模型原理的理解。

目录

GAN

Auxiliary Classifier GAN

Bidirectional GAN

Boundary-Seeking GAN

Context-Conditional GAN

Coupled GANs

CycleGAN

Deep Convolutional GAN

DualGAN

Generative Adversarial Network

InfoGAN

LSGAN

Semi-Supervised GAN

Wasserstein GAN

GAN

实现最原始的,基于多层感知器构成的生成器和判别器,组成的生成对抗网络模型(Generative Adversarial)。

参考论文:《Generative Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/gan/gan.py

AC-GAN

实现辅助分类-生成对抗网络(Auxiliary Classifier Generative Adversarial Network)。

参考论文:《Conditional Image Synthesis With Auxiliary Classifier GANs》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/acgan/acgan.py

BiGAN

实现双向生成对抗网络(Bidirectional Generative Adversarial Network)。

参考论文:《Adversarial Feature Learning》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/bigan/bigan.py

BGAN

实现边界搜索生成对抗网络(Boundary-Seeking Generative Adversarial Networks)。

参考论文:《Boundary-Seeking Generative Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/bgan/bgan.py

CC-GAN

实现基于上下文的半监督生成对抗网络(Semi-Supervised Learning with Context-Conditional Generative Adversarial Networks)。

参考论文:《Semi-Supervised Learning with Context-Conditional Generative Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/ccgan/ccgan.py

CoGAN

实现耦合生成对抗网络(Coupled generative adversarial networks)。

参考论文:《Coupled Generative Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/cogan/cogan.py

CycleGAN

实现基于循环一致性对抗网络(Cycle-Consistent Adversarial Networks)的不成对的Image-to-Image 翻译。

参考论文:《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/cyclegan/cyclegan.py

DCGAN

实现深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network)。

参考论文:《Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/dcgan/dcgan.py

DualGAN

实现对偶生成对抗网络(DualGAN),基于无监督的对偶学习进行Image-to-Image翻译。

参考论文:《DualGAN: Unsupervised Dual Learning for Image-to-Image Translation》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/dualgan/dualgan.py

InfoGAN

实现的信息最大化的生成对抗网络(InfoGAN),基于信息最大化生成对抗网络的可解释表示学习。

参考论文:《InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/infogan/infogan.py

LSGAN

实现最小均方误差的生成对抗网络(Least Squares Generative Adversarial Networks)。

参考论文:《Least Squares Generative Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/lsgan/lsgan.py

SGAN

实现半监督生成对抗网络(Semi-Supervised Generative Adversarial Network)。

参考论文:《Semi-Supervised Learning with Generative Adversarial Networks》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/sgan/sgan.py

WGAN

实现 Wasserstein GAN。

参考论文:《Wasserstein GAN》

代码地址:https://github.com/eriklindernoren/Keras-GAN/blob/master/wgan/wgan.py

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180226G07FK400?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券