首页|生成对抗网络GAN的研究进展

生成对抗网络GAN的研究进展

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于零和博弈思想的生成式对抗网络(generative adversarial network,GAN)模型的意义在于可通过无监督学习获得数据的分布,并能生成较逼真的数据.它可以应用在很多领域,尤其是在计算机视觉领域中的图像生成方面取得了很大成果,成为当下的一个研究热点.以GAN模型及其在特定领域的应用结果为研究对象,对GAN的改进和扩展的研究成果进行了广泛的研究,并从图像超分辨率重建、文本合成图片等多个实际应用领域展开讨论,系统地梳理、总结出GAN的优势与不足,同时结合自然语言处理、强化学习对GAN的发展趋势及应用前景进行预测分析.
Research progress on generative adversarial network

张恩琪、顾广华、赵晨、赵志明

展开 >

燕山大学 信息科学与工程学院,河北 秦皇岛066004

河北省信息传输与信号处理重点实验室,河北 秦皇岛066004

零和博弈思想 生成式对抗网络 无监督学习 图像超分辨率重建 文本合成图片

F2017203169ZD2017080

2021

10.19734/j.issn.1001-3695.2020.05.0095

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(4)
  • 6
  • 11