摘要：2014年提出的生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN)是近年來(lái)神經(jīng)網(wǎng)絡(luò)領(lǐng)域中為數(shù)不多的一項(xiàng)新銳技術(shù)。GAN在常見(jiàn)生成模型的基礎(chǔ)上增加了一個(gè)判別模型,以形成巧妙的對(duì)抗學(xué)習(xí)機(jī)制,使它能夠產(chǎn)生更高質(zhì)量的圖像。近年來(lái)各種改進(jìn)型GAN在圖像處理領(lǐng)域得到廣泛應(yīng)用,不但覆蓋了幾乎所有傳統(tǒng)圖像處理領(lǐng)域,還包括一些新應(yīng)用,如圖像編輯、圖像翻譯、風(fēng)格轉(zhuǎn)移等,普遍取得了勝過(guò)傳統(tǒng)方法的良好結(jié)果。文中在簡(jiǎn)要分析GAN的系統(tǒng)結(jié)構(gòu)、對(duì)抗生成和網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)上,重點(diǎn)介紹了為提高GAN性能、克服現(xiàn)存缺陷和滿(mǎn)足不同應(yīng)用而出現(xiàn)的多種改進(jìn)型GAN,如DC-GAN、W-GAN、Big-GAN等。盡管如此,目前GAN尚處于初始發(fā)展階段,將來(lái)的前途不可估量。