生成对抗网络GAN的发展与最新应用

作     者：陈亮 吴攀 刘韵婷 刘晓阳 杨佳明 姜余 Chen Liang;Wu Pan;Liu Yunting;Liu Xiaoyang;Yang Jiaming;Jiang Yu

作者机构：沈阳理工大学自动化与电气工程学院沈阳110159 沈阳师范大学美术与设计学院沈阳110011 

基　　金：国家重点研发计划(2017YFC0821001) 国家重点研发计划(2017YFC0821004-5) 辽宁省教育厅基本科研项目(LG201707) 辽宁省自然科学基金(20170540788)资助项目 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2020年第32卷第6期

页      码：70-78页

摘      要：近年来,生成式对抗网络(generative adversarial nets,GAN)迅速发展,已经成为当前机器学习领域的主要研究方向之一。GAN来源于零和博弈的思想,其生成器和鉴别器对抗学习,获取给定样本的数据分布,生成新的样本数据。对GAN模型在图片生成、异常样本检测和定位、文字生成图片以及图片超分辨率等多方面进行了大量的调查研究,并在这些GAN的应用所取得的实质性进展进行了系统的阐述。对GAN的提出背景与研究意义、理论模型与改进结构,以及其主要应用领域进行了总结。通过对GAN在各方面的应用分析,对GAN的不足以及未来发展方向进行综述。

主 题 词：机器学习 对抗学习 生成对抗网络 理论模型 

学科分类：0810[工学-土木类] 12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 081001[081001] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13382/j.jemi.B1901941

馆 藏 号：203956251...