第五章：计算机视觉（Computer Vision）- 计划实战之生成对抗网络实战
第一部分：对抗生成网络原理
第一节：对抗生成网络算法基础知识：基本思想、GAN的根本架构、应用场景、标注格式
1. GAN 的基本思想
生成对抗网络（Generative Adversarial Network, GAN）由Ian Goodfellow于 2014 年提出，是深度学习中最具创新性的生成模型之一。它的核心思想是通过“博弈”的方式训练生成器和判别器，让生成模型学会从噪声中生成与真实素材相似的样本。
生成器 (Generator, G)：负责从随机噪声中生成尽可能逼真的数据。
判别器 (Discriminator, D)“生成样本”。就是：负责判断输入是“真实样本”还
二者在训练过程中不断对抗：
生成器尝试“骗过”判别器；
判别器努力识别真假。
最终，生成器能够生成“足以以假乱真”的样本。
2. GAN 的根本架构
GAN 的结构可以抽象为以下框图：
随机噪声 z → 生成器 G(z) → 生成样本↓判别器 D(x) 判别真假
真实数据 x →───────────↑输入：随机噪声向量
z，通常服从高斯分布或均匀分布。生成器 G：一个深度神经网络，将噪声映射为高维数据（如图像）。
判别器 D：一个二分类网络，输出输入样本为“真实”的概率。
数学形式：
GAN 的目标函数是一个min-max 博弈：
3. GAN 的应用场景
GAN 在计算机视觉领域有广泛的应用，包括但不限于：
图像生成：如生成逼真的人脸、艺术画风图像。
图像超分辨率重建：提升图像清晰度。
图像到图像转换：如黑白照片上色、夏季转冬季、白天转夜晚。
数据增强：生成合成数据用于训练下游模型。
视频生成与编辑：如 DeepFake 技术。
医疗影像处理：生成稀缺的医学样本以辅助诊断。
4. GAN 的常见标注格式
由于 GAN 的训练不依赖标签，而是直接学习数据分布，因此不需要传统监督学习中的类别标签。
输入数据格式：通常为图像集合（如 CelebA 人脸数据集、MNIST 手写数字集）。
输出格式：生成的图像与原始图像一致（如分辨率相同）。
对抗目标：真实数据分布 vs. 生成数据分布。
与目标检测、图像分割不同，GAN 不依赖于标注文件（如 BBox 或 Mask），而是完全基于无监督学习。
5. 总结
GAN 的核心是生成器与判别器的博弈，训练目标是让生成样本无限接近真实分布。
GAN 架构简洁但威力巨大，推动了图像生成、风格迁移、超分辨率等一系列应用的发展。
与分类/检测任务不同，GAN 不需要复杂的标注文件，关键依赖大规模无标签数据集。
在下一节中，大家将深入探讨GAN 的改进与优化方法，包括 DCGAN、WGAN 等，使其在实际应用中更加稳定高效。
