深度卷积对抗生成网络DCGAN论文解读

论文名称：Unsupervised representation learning with deep convolutional generative adversarial networks

论文地址：https://arxiv.org/pdf/1511.06434.pdf

代码地址：https://github.com/carpedm20/DCGAN-tensorflow

DCGAN提出一套更稳定的GAN体系结构，并证明了在有监督学习和图像生成模型方面，GAN可以学习到良好的图像表示。

• 将池化层（如maxpooling）用带stride的卷积层替代。
• 去掉全连接层，引入全局平均池化。
• 使用批标准化BN和Relu激活函数。

一、论文解读

1、DCGAN的贡献：

（1）在GAN上加上了一组约束条件，这些约束条件使得GAN在大多数情况下能够稳定地训练。我们将这类架构命名为深卷积Gans（dcgan）。

（2）使用经过训练的鉴别器执行图像分类任务，显示出与其他无监督算法的竞争力。

（3）对Gans学习的filters进行了可视化，证明特定filters已经学会绘制特定对象。

2、分析无监督学习的代表性方法