CycleGAN阅读笔记-损失函数

文章目录[隐藏]

论文地址:https://arxiv.org/abs/1703.10593

在这里插入图片描述

网络架构

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

损失函数

生成对抗损失:
生成器G的目标是将X空间中的样本转化成Y空间中的样本,将学习X->Y的映射。
根据交叉摘损失,可以构造下面的损失函数

在这里插入图片描述
D为判别器,输出值[0,1],Dy=1代表输出来自Y空间
在这里插入图片描述
引入生成器F,目标是将Y空间中的样本转化为X空间中的样本,学习Y->X的映射。
在这里插入图片描述
F的损失函数与G相似。

循环一致性损失:
在这里插入图片描述

最终的损失函数:
在这里插入图片描述

注:此文为阅读笔记,参考了其他的论文,博客,如有侵权请联系,我附上原出处。

版权声明:本文为CSDN博主「zxm_」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/zxm_jimin/article/details/121319657

zxm_

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

YOLOX:高性能目标检测的最新实践 | 报告详解

近年来,目标检测的工程应用研究中,YOLO系列以快速响应、高精度、结构简单以及容易部署的特点备受工程研究人员的青睐。同时,YOLO系列存在需要手工设定样本正负导致模型泛化能力较差的问题。为了解决此类问题