Python 3.x 发电对抗网络中发电机的输入是什么
我最近在研究GAN模型,认为它对我的系统很有用,在这个系统中,我将预测给定的图像是否是汽车。我理解“鉴别器”从“生成器”获取输入的部分。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。但生成器使用的向量到底是什么?它是不是在一个转换成像素的图像中,我们把它作为像素向量传递 谁能给我解释一下吗 或者有没有其他方法,我应该遵循建立一个系统,可以分类图像的汽车或不Python 3.x 发电对抗网络中发电机的输入是什么,python-3.x,image-processing,generative-adversarial-network,Python 3.x,Image Processing,Generative Adversarial Network,我最近在研究GAN模型,认为它对我的系统很有用,在这个系统中,我将预测给定的图像是否是汽车。我理解“鉴别器”从“生成器”获取输入的部分。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。但生成器使用的向量到底是什么?它是不是在一个转换成像素的图像中,我们把它作为像素向量传递 谁能给我解释一下吗 或者有没有其他方法,我应该遵循建立一个系统,可以分类图像的汽车或不 事先感谢生成器的输入是完全随机值的z维向量。对于DCGAN,输入来自高斯分布源。甘斯的理论是基于这样一个事实,即这些随机值被
事先感谢生成器的输入是完全随机值的z维向量。对于DCGAN,输入来自高斯分布源。甘斯的理论是基于这样一个事实,即这些随机值被网络所识别,以至于鉴别器/批评家被生成器生成的图像所愚弄。生成器和鉴别器都是彼此的对手,使彼此一个时代比一个时代更好,因此被称为对抗网络 要将图像分为汽车和非汽车,实际上可以使用简单的ConvNet通过在多个汽车图像和“非汽车”图像上对其进行训练来相当轻松和准确地解决此问题。已经有相当复杂的对象检测网络在那里接受Imagenet数据的训练,因此您不妨先参考这些网络的体系结构 希望我的回答对你有所帮助。:)