标签：real 函数 CycleGAN Image 损失 可视化 True cycle

看了《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》这篇论文，大致了解了CycleGAN的工作原理，为了更好的理解他损失函数的设计，结合提供的代码，我绘制了损失函数的流程图，并且用maps跑了代码，图中的图片就是测试集挑选出来的。通过看代码，我发现他的输入是不配对的，也就是real_B并不是并不是real_A的标签图。当然你可以设置opt.serial_batches=True，这样输入 real_B就是real_A的标签图，当然False训练结果其实也可以，和True差别不大。没理解这其中的含义，后续在了解了解。

其中idt_A,idt_B, cycle_A,cycle_B都是通过L1损失计算出来的。

标签：real,函数,CycleGAN,Image,损失,可视化,True,cycle
来源： https://www.cnblogs.com/peixu/p/16401236.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。