摘  要

 

人工神经网络是现在人工智能深度学习领域里一个研究热点，他从信息处理的角度对生物学中的神经网络进行数学抽象，从而作为深度学习领域中一个简单的数学模型。而生成式对抗网络则将传统的一个神将网络模型扩展成了两个互相博弈的神经网络模型，其中包含一个生成网络和一个判别网络。而本文的内容就是使用这个生成式对抗网络模型去生成逼真的图像，用来生成图像的基本思路就是生成网络尽其所能从无到有生成技术人员想让他生成的一张图片，而判别网络就尽其所能去识别这张图片的真伪，就在这样互相博弈的过程中达到一个平衡值，从而生成逼真的图像。而基于卷积神经网络的GAN相比于传统只含有隐藏层的GAN优势就在于能更好的对图像进行处理，从而使生成的图片效果更佳。

 

关键词：生成式对抗网络，卷积神经，图像生成

目  录

 

第一章 绪论 1

1.1 研究背景 1

1.2 GAN国内外研究现状 1

1.3 GAN研究工具 1

第二章 相关的理论概述和技术基础 3

2.1 神经网络概述 3

2.2 卷积运算技术 3

2.3 生成式对抗网络 4

2.4 激活函数与损失函数 4

2.4优化算法 5

第三章 TensorFlow和Keras 6

3.1 Tensorflow 6

3.1 Keras 6

第四章 使用Keras实现GAN图像生成 8

4.1 生成网络的搭建 8

4.2 判别网络的搭建 9

4.3 GAN的训练过程 9

第五章 总结 14

5.1 工作总结 14

5.2 工作展望 14

参考文献 15

致  谢 16