運用循環一致性對抗神經網絡進行非配對圖片翻譯：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networ

　　

　　循環一致性神經網絡利用了兩個GAN網絡進行循環，以此來修正模型輸出的結果，防止特徵都映射到一張圖片上。

 

 

　　　　　　　　　　　　　　 循環一致性網絡示意圖

　

　　X->Y的對抗損失：

 

 

　　這裏但願認出更少的原來圖片（前一項），認出更多的生成圖片（後一項）。同理從Y->X的對抗損失也能夠寫出來。

　　G想最小化上面這一項，D想最大化這一項，這也就是爲何叫作對抗網絡。

　　

　　可是僅僅使用對抗網絡無法創建X到Y空間上的正確映射，一個好的思路就是創建循環對抗神經網絡。

        

　　咱們把上面這個式子叫作前向循環一致性，進而咱們獲得循環一致性損失

 

 

 　　這個式子很好理解，就是讓轉換後的圖片保留更多的原圖片信息，想要驗證這一點只須要循環驗證便可，即將映射後的特徵空間再次映射到原空間，以此來檢驗信息損失程度。

 

　　上面這個就是總的loss函數

　　咱們要作的就是找到下面的解

     

 

　　

 待更。。