对抗生成网络（GAN）简单介绍

对抗生成网络主要由生成网络和判别网络构成，GAN在图像领域使用较多。利用生成网络生成假的图像，然后利用判别器是否能判断该图像是假的。

1、用于医学图像分割，一般我们可以利用一个U-Net网络生成分割结果，但是结果或许分割的不是很好。我们这时候就可以利用GAN的优势。通过将分割的结果放入GAN网络中进行对抗学习，优化生成器，这样相当于训练了一个另类的后处理网络。

2、第一种是利用U-Net生成分割图，然后在优化生成器。还有一种就是以U-Net结构作为生成器，然后在利用生成的分割图与真实图，共同送入到判别器中。（这种方法比较常用）

大家可以主要看以下博客，应该可以加深GAN的理解。（主要也是为了我方便查找，毕竟每一次查找好的资源都不容易）

博客一：更加生动的讲解了GAN，方便理解。

博客二：对公式进行了详细介绍。

博客三：这个博客里提到的二分类交叉熵损失函数一般是应用在GAN当中。