生成性对抗网络中生成器的输入是什么

Question

我最近正在研究GAN模型，并认为它对我的系统很有用，在我的系统中，我将预测给定的图像是否是汽车。我理解“鉴别器”从“生成器”获得输入的部分。生成器从随机向量生成图像，然后将其传递给鉴别器进行真实性检查。但是生成器使用的向量到底是什么呢？它是否在图像中转换为像素，然后我们将其作为像素的向量传递？

有没有人能给我解释一下

或者，有没有其他方法我应该遵循，以建立一个系统，可以将图像分类为汽车或不

提前感谢

Answer 1

生成器的输入是一个完全随机值的z维向量。对于DCGAN，输入来自高斯分布源。GANs的理论基于这样一个事实，即这些随机值被学习到被网络以这样的方式分散，即鉴别者/批评者被生成器产生的图像所欺骗。生成器和鉴别器都是彼此的对手，使对方逐个时代地变得更好，因此被称为对抗网络。

为了将图像分类为汽车而不是汽车，实际上可以使用简单的ConvNet在多个汽车图像和“非汽车”图像上进行训练，从而相当容易和准确地解决这个问题。已经有基于Imagenet数据训练的相当复杂的目标检测网络，因此您不妨从参考这些网络的体系结构开始。

希望我的回答能对你有所帮助。:)