同济大学学报(自然科学版)

作者：叶晨，关玮

单位：同济大学 嵌入式系统与服务计算教育部重点实验室， 上海 201804

关键词：生成式对抗网络,条件生成模型,图像生成

基金：国家自然科学基金重点支持项目（U1764261）；同济大学中央高校基本科研业务费专项资金学科交叉类项目（22120180111，22120190200）

生成式对抗网络（GAN）是一种优秀的生成式模型，能够不依赖任何先验假设，学习到高维复杂的数据分布。这一强大的性能使得它成为近年来研究的热点，并在诸多应用领域取得了显著的研究成果。首先介绍了生成式对抗网络的基本原理，各种目标函数以及常用的模型结构。然后，详细分析了生成式对抗网络在条件限制下生成图片的各种演进方法。此外，介绍了生成式对抗网络在不同领域的应用，包括高分辨率图像生成、小目标检测、非图像数据生成、医学图像分割等方面的最新研究进展。最后，总结了生成式对抗网络训练过程中的优化技巧。旨在通俗地阐明GAN的基础理论以及发展历程，并从应用角度对未来工作进行了展望。

来源：2020年第4期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2020年第4期