概念
马尔可夫判别器(PatchGAN)是判别模型的一种
基于CNN的分类模型有很多种,很多网络都是在最后引入了一个全连接层,然后将判别的结果输出(输出结点)。
马尔可夫判别器则是不一样,
直观来看,它完全由卷积层构成,最后输出的是一个n*n的矩阵,最后取输出矩阵的均值作为True/False的输出
。
事实上,输出矩阵中的每一个输出,代表着原图中一个感受野,对应了原图的一片(patch),而具有这样结构的GAN被称为PatchGAN。
优点和应用
目前来看,
在图像风格迁移领域中
,我们这里沿用Gatys论文中关于风格迁移的想法,
即风格迁移分为两部分:内容部分和纹理部分
。
-
内容部分是指生成图像和原图像在内容(语义)上的相似性;
-
纹理部分是指生成图像和目标图像在纹理上的相似性。
马尔可夫判别器对于风格迁移中的超高分辨率、图片清晰化有一定的
高分辨率、高细节的保持
。
目前,马尔可夫判别器用于Pix2Pix和CycleGAN等GAN网络中。
版权声明:本文为qq_24502469原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。