Face2Anime-CycleGAN 动机 FaceApp(使用生成模型来更改图像中人的性别和年龄的应用程序)的流行,引起了我对计算机视觉中的生成模型的转换属性的兴趣。 我将寻求将人们的面Kong转变为动漫面Kong。 我将通过尝试使用“周期一致的对抗网络”或“ CycleGAN”来在不成对的图像到图像样式转换中取得良好的效果。 方法 什么是GAN? 生成对抗网络(GAN)是一种使用深度学习方法进行生成建模的方法。 生成建模是无监督学习(一种机器学习算法)的子集,它涉及输入数据中的自我学习模式,以便生成可能来自训练数据集的新示例。 在生成模型的所有训练方法中,GAN在我看来似乎是最有创意和最聪明的方法。 通过引入两个子模型(生成器和鉴别器),将无监督学习问题转变为有监督学习问题。 生成器网络和鉴别器网络在零和游戏中彼此联合训练。 当生成器尝试从所需分布的域中生成样本时,鉴别器正在积极尝