CycleGAN与对抗样本：原理、训练与应用
1. CycleGAN概述
CycleGAN是一种强大的图像到图像转换模型，它能够在无需配对图像数据的情况下，实现不同领域之间的图像转换，例如将苹果转换为橙子，反之亦然。下面我们将详细介绍CycleGAN的构建、训练和应用。
1.1 构建生成器
生成器采用U - Net架构，通过下采样和上采样操作生成目标图像。以下是构建生成器的代码：
def build_generator(self): """U-Net Generator""" def conv2d(layer_input, filters, f_size=4): """Layers used during downsampling""" d = Conv2D(filters, kernel_size=f_size, strides=2, padding='same')(layer_input) d = LeakyReLU(alpha=0.2)(d) d = InstanceNormalization()(d) return d def deconv2d(layer_input, skip_input, filters, f_size=4, dropout_rate=0): """Layers used during upsampling""" u = UpSampling2D(size=2)(layer_i
