生成对抗网络图像处理综述

• 作者: 唐贵进 朱秀昌
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 生成对抗网络 图像处理 生成模型 判别模型
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 通信与电子
• 页码范围: 1-12
• 页数: 12页
• 分类号: TN919.8
• 字数: 11721字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2019.03.001

摘要

2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术.GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像.近年来各种改进型GAN在图像处理领域得到广泛应用,不但覆盖了几乎所有传统图像处理领域,还包括一些新应用,如图像编辑、图像翻译、风格转移等,普遍取得了胜过传统方法的良好结果.文中在简要分析GAN的系统结构、对抗生成和网络训练的基础上,重点介绍了为提高GAN性能、克服现存缺陷和满足不同应用而出现的多种改进型GAN,如DC-GAN、W-GAN、Big-GAN等.尽管如此,目前GAN尚处于初始发展阶段,将来的前途不可估量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐贵进	南京邮电大学江苏省图像处理与图像通信重点实验室	34	111	6.0	8.0
2	朱秀昌	南京邮电大学江苏省图像处理与图像通信重点实验室	193	1476	17.0	28.0