ACGAN对抗生成网络：从原理到实战的图像生成技术解析

1次阅读

共计 2317 个字符，预计需要花费 6 分钟才能阅读完成。

传统生成对抗网络（GAN）虽然在图像生成领域取得了显著成果，但仍存在几个关键问题：

模式崩溃 ：生成器倾向于生成有限的几种样本，缺乏多样性
生成不可控 ：无法指定生成特定类别的样本
训练不稳定 ：判别器和生成器难以保持平衡

这些问题限制了 GAN 在实际应用中的效果。ACGAN 通过引入辅助分类器，有效解决了生成不可控的问题。

特性	DCGAN	WGAN-GP	ACGAN
训练稳定性	中等	高	中等
生成可控性	无	无	高
结构复杂度	低	中等	高
适用场景	通用图像生成	高质量生成	类别指定生成

ACGAN 的核心创新在于双判别器结构：

主判别器 ：判断输入图像是真实还是生成
辅助分类器 ：预测输入图像的类别标签

在生成器中，类别标签通过以下方式嵌入：

将类别标签转换为 one-hot 编码
与噪声向量拼接后作为生成器输入

在判别器中，类别预测通过额外的全连接层实现。

import torch
import torch.nn as nn

class Generator(nn.Module):
    def __init__(self, latent_dim, num_classes, img_channels):
        super().__init__()
        self.label_embedding = nn.Embedding(num_classes, num_classes)

        self.model = nn.Sequential(
            # 输入是噪声 + 类别嵌入
            nn.Linear(latent_dim + num_classes, 128 * 8 * 8),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Unflatten(1, (128, 8, 8)),
            # 上采样层...
        )

    def forward(self, z, labels):
        # 将标签嵌入并与噪声拼接
        c = self.label_embedding(labels)
        x = torch.cat([z, c], dim=1)
        return self.model(x)

class Discriminator(nn.Module):
    def __init__(self, img_channels, num_classes):
        super().__init__()
        self.feature_extractor = nn.Sequential(# 特征提取层...)

        # 真实 / 伪造判别头
        self.validity_head = nn.Linear(128, 1)

        # 类别分类头
        self.classifier_head = nn.Linear(128, num_classes)

    def forward(self, img):
        features = self.feature_extractor(img)
        validity = self.validity_head(features)
        class_logits = self.classifier_head(features)
        return validity, class_logits

ACGAN 需要计算两种损失：

对抗损失（真实 / 伪造判别）
分类损失（类别预测）

# 判别器损失
d_real_validity, d_real_class = discriminator(real_imgs)
d_fake_validity, _ = discriminator(fake_imgs.detach())

adv_loss = adversarial_criterion(d_real_validity, valid) + \
           adversarial_criterion(d_fake_validity, fake)
class_loss = classification_criterion(d_real_class, real_labels)

d_loss = adv_loss + class_loss

# 生成器损失
g_fake_validity, g_fake_class = discriminator(fake_imgs)

g_adv_loss = adversarial_criterion(g_fake_validity, valid)
g_class_loss = classification_criterion(g_fake_class, target_labels)

g_loss = g_adv_loss + g_class_loss

类别不平衡 ：
使用带权重的交叉熵损失
过采样少数类别
训练不稳定 ：
学习率建议从 1e- 4 开始
梯度裁剪阈值设为 0.1-1.0
标签噪声 ：
使用标签平滑技术
添加少量噪声增强鲁棒性

混合精度训练 ：

from torch.cuda.amp import autocast, GradScaler

scaler = GradScaler()

with autocast():
    # 前向计算
    output = model(input)
    loss = criterion(output, target)

scaler.scale(loss).backward()
scaler.step(optimizer)
scaler.update()