生成对抗网络理论框架、衍生模型与应用最新进展

作     者：赵增顺 高寒旭 孙骞 滕升华 常发亮 Dapeng Oliver Wu ZHAO Zeng-shun;GAO Han-xu;SUN Qian;TENG Sheng-hua;CHANG Fa-liang;Dapeng Oliver Wu

作者机构：山东科技大学电子通信与物理学院山东青岛266590 山东大学控制科学与工程学院济南250061 佛罗里达大学电子与计算机工程系美国佛罗里达州盖恩斯维尔32611 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2018年第39卷第12期

页      面：2602-2606页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61403281)资助 中国博士后科学基金特别项目(2015T80717)资助 山东省自然科学基金项目(ZR2014FM002)资助 山东省重点研发计划项目(2015GSF118094)资助 山东省青年教师成长计划经费项目(2017)资助 

主　　题：生成对抗网络 深度学习 卷积神经网络 图像合成 

摘      要：近年来,生成对抗网络发展迅速,尤其在图像处理方面表现突出.由于深度网络的强大和竞争性训练方式,生成对抗网络可以产生高质量的图像.本文论述了生成对抗网络的理论框架及衍生模型,简要介绍了其训练方法,重点介绍了生成对抗网络在图像处理领域的应用,包括图像的合成与分类,图像风格转换,图像超分辨率和其他应用.