简单GAN与DCGAN的区别

Question

我正在探索生成的Adeversarial (GAN)，它不仅用于图像生成，还用于几个任务。

深卷积GAN (DCGAN)是GAN的另一种专门用于图像数据的方法，DCGAN的特点是在鉴别器中采用卷积层，对发生器采用转置卷积层。

在我的应用中，我在鉴别器中使用卷积层，而不是对生成器使用转置卷积，而是使用了一个简单的卷积。

问题是，由于我不使用转置卷积，所以我目前使用的是简单的GAN还是DCGAN？

提前谢谢你的回答，祝你今天愉快

Answer 1

GAN由两个组成部分组成：

伪造者

• ：试图伪造的人，
• 和检查员:谁试图抓住伪造者，通过检查材料来区分它是真实的还是假的。

这两个人在玩游戏，每一次伪造者都试图编造一些东西，更难在惯性人的眼睛里分辨出来。每次检查员成功地发现伪造者，这是一个教训，让伪造者学习为什么会被抓，下次更好地掩盖自己/她自己。

长话短说，这个游戏叫根！如何实现它，以及如何选择架构，实际上是您的选择。在我的理解中，使用深层conv网作为生成器部件(伪造者)。这实际上并不是关于使用ConvTranspose，或者普通的凸起体。

对于检查人员来说，您也不必真正地将其作为鉴别器来实现。例如，WGANs被证明是有效的使用地球移动度量而不是分类损失。

然而，这些是我的观点和我的理解，可能不是100%正确的。祝好运

Answer 2

不，它不只是转换卷积layers.Actually，它是一种尝试使用Gans与卷积神经网络，并确保一个稳定的架构，通过修改它。它们的一些改进包括:使用可学习的上采样abd下采样代替最大池，在描述器的输出处用平坦和乙状结肠层替换完全连接的层，对除genrator输出和判别器输入以外的所有层进行批归一化处理等。对于您的疑问，将您的架构称为GAN或DCGAN似乎有点混乱，因为在一般的Gan体系结构中，没有卷积层是used.The鉴别器，而产生器in原始GAN是完全连接网络的，混合了relu和maxout激活的respectively.In命令，在最初被认为是不稳定的GANs中使用CNN，当时介绍了一些类似LAPGAN和DCGAN的论文。尽管如此，除非您已经复制了整个培训细节和体系结构，否则不能将您的体系结构称为DCGAN，尽管您可以说我的模型是从DCGAN中得到启发的。我希望这能稍微消除你的疑虑。