各種GAN結構（筆記）

參考網站: https://github.com/znxlwm/pytorch-generative-model-collections

GAN的發展史及paper: http://blog.csdn.net/u013369277/article/details/60954170 1、CGAN （Condition GAN）

2、ACGAN  (Auxiliary Classifier GAN)

3、GAN used in Semantic Segmentation

4 、Semi-Supervised GAN

參考地址：https://blog.csdn.net/shenxiaolu1984/article/details/75736407

z為隨機雜訊100維隨機向量，G是卷積網路，輸出512*512*6(自由設計大小)大小的映像x_fake. 鑒別器是我們最終需要的分割模型，分割類別為K類，但是D輸出類別有K+1類，第K+1類是假樣本類。鑒別器D輸入有三類資料。1、有標籤樣本x_label。2、無標籤樣本x_unlabel。3、產生器產生的假樣本x_fake。三種樣本對應三種誤差。 三種誤差

整個系統涉及三種誤差。

對於訓練集中的有標籤樣本，考察估計的標籤是否正確。即，計算分類為相應的機率： 
Llabel=−E[lnp(y|x)]Llabel=−E[lnp(y|x)]

對於訓練集中的無標籤樣本，考察是否估計為“真”。即，計算不估計為K+1K+1類的機率： 
Lunlabel=−E[ln(1−p(K+1|x))]Lunlabel=−E[ln(1−p(K+1|x))]

對於產生器產生的偽樣本，考察是否估計為“偽”。即，計算估計為K+1K+1類的機率： 
Lfake=−E[lnp(K+1|x)] 訓練G

最小化-E[ ln(1-p( K+1 | D(G(z))  )) ]。使得G產生的x_fake 被D認為是非第K+1類。 訓練D

最小化三個誤差。