摘  要

 

自人工智能的提出，到如今已发展了数几十年，各种各样的算法模型的提出，不断丰富着其仓库内容，也不断的在实践中完善、发展、创新。人工智能的发展推动着时代的发展，时代的进步，不断地融入我们的日常生活当中，在各大行业领域都有着不可估量的地位。在人工智能发展中，神经网络模型这一领域占比及其大，同时在神经网络中，生成式对抗网络模型是在当前讨论极其激烈，极其火热的模型。生成式对抗网络可谓是深度学习领域最为有趣的概念之一，它通过两个模型的竞争对抗，同时训练可到达意想不到的效果。因此，以阐述GAN的国内外研究进展，基于GAN图像生成，图像鉴别系统的研究，相关的知识理论，训练模型，网络框架和具体的应用，同时创建一个基于GAN的图形图形识别系统，之后对此进行优化，并且根据模型的评估指出GAN的优缺点。最后，对此进行未来的展望，可能遇到的问题的解决，新的相关知识理论的提出。

 

关键词：人工智能，深度学习，生成式对抗网络，训练机制，对抗学习

目  录

 

基于生成式对抗网络的图形图像鉴别系统研究 1

第一章 绪论 1

1.1 深度学习的起源阶段 1

1.2 深度学习的发展阶段 1

1.3 深度学习的爆发阶段 1

第二章 卷积神经网络 2

第三章 GAN的概述 4

3.1 KL散度 4

3.2  GAN的定义 4

3.3 GAN的组成 5

3.3.1 生成器（G） 5

3.3.2 判别器（D） 5

3.4 GAN的原理 5

3.4.1 GAN数学原理 5

3.5 GAN的衍生模型 7

3.5.1 CGAN 7

3.5.2 DCGAN 8

3.5.3 WGAN 8

3.6 GAN的应用 9

3.6.1 图像风格转换 9

3.6.2 人脸图像生成 9

3.6.3 文本图像生成 10

3.6.4 图像还原与修复 11

第四章Python语言与Tensorflow框架 12

4.1 Python语言 12

4.1.1 简介 12

4.1.2 环境配置 12

4.2 Tensorflow框架 13

第五章 基于GAN图像生成鉴别算法模型的实现 17

5.1 手写MINST数据集生成 17

5.2 cycleGAN模型及图像识别 20

5.2.1  CycleGAN模型 20

第六章 发展与展望 27

参考文献 28

致 谢 30