人工智能应用-机器视觉：AI 美颜 02.生成对抗网络

生成对抗网络

AI 美颜背后的核心算法之一是生成对抗网络（Generative Adversarial Network，GAN）。它包含两个关键部分：

生成器 G：根据随机输入 z 生成“假”数据 G(z)，例如人脸图像；

判别器 D：判断输入的数据是真实样本（来自真实世界）还是生成样本（来自生成器 G）。

二者的目标互相对立：生成器希望生成的图像能“骗过”判别器，而判别器则努力提高自己的辨别准确率

生成对抗网络 GAN 结构示意图

这种“对抗性训练”可以类比为：学生（生成器G）不断画画，老师（判别器D）不断鉴定是否为真迹。学生想让画作以假乱真，老师则要练就火眼金睛。随着训练的持续推进，学生画得越来越像，老师也越来越难被骗，二者互相促进，水平不断提高。最终，“老师”成为鉴赏大师，“学生”也成了绘画高手。

如图25.3所示，GAN 可用于生成数字图像。可以看到，随着对抗训练的进行，生成的数字逐渐变得清晰可辨，越来越像真实的手写数字。

基于 GAN 的数字图像生成从左往右，随着不断学习，GAN 生成的数字愈发真实.