GAN主要包括了两部分：生成器generator 和 判别器 discriminator。
    生成器的主要目的是用来学习真实图像分布从而让自身生成的的图像更加真实，以骗过判别器。
    判别器主要是对图片判断真假

    image.png
    最终的目的：生成器生成的图像更加真实，判断器无法识别真假图像。

    所以：
    对于判别器来说：希望给定的真实图片，判定为1
    对于判别器来说：希望给定的假的图片，判定为0
    对与生成器来说：生成器希望判别器打上的标签为1

    GAN的引用领域

    • 图像生成
    • 图像增强（模糊的图像变清晰）
    • 风格化
    • 艺术图像创造

    在目前的研究当中，GAN的架构模式也是层出不穷，DCGAN、CGGAN、ACGAN等等。