运用循环一致性对抗神经网络进行非配对图片翻译：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networ

　　

　　循环一致性神经网络利用了两个GAN网络进行循环，以此来修正模型输出的结果，防止特征都映射到一张图片上。

 

 

　　　　　　　　　　　　　　 循环一致性网络示意图

　

　　X->Y的对抗损失：

 

 

　　这里但愿认出更少的原来图片（前一项），认出更多的生成图片（后一项）。同理从Y->X的对抗损失也能够写出来。

　　G想最小化上面这一项，D想最大化这一项，这也就是为何叫作对抗网络。

　　

　　可是仅仅使用对抗网络无法创建X到Y空间上的正确映射，一个好的思路就是创建循环对抗神经网络。

        

　　咱们把上面这个式子叫作前向循环一致性，进而咱们获得循环一致性损失

 

 

 　　这个式子很好理解，就是让转换后的图片保留更多的原图片信息，想要验证这一点只须要循环验证便可，即将映射后的特征空间再次映射到原空间，以此来检验信息损失程度。

 

　　上面这个就是总的loss函数

　　咱们要作的就是找到下面的解

     

 

　　

 待更。。