基于Python的二次元头像生成器 课程论文+源码

---

目录二次元头像生成器 2选题背景 2实验流程 2算法简介 2环境搭建、运行例程 3训练集优化 4更多的图像！ 4只训练一个人会发生什么？ 5那么，训练一组画风相近的人物呢？ 6集大成 7网络优化 8了解基本原理 9DCGAN 10其它技术 12ReLU 和 LeakyReLU 12loss 和学习率控制 12随机梯度下降法 13成果展示 13总结分析 14参考文献 15二次元头像生成器选题背景第一次听到 GAN 这个词，是在视频网站上看到一个介绍 AI 作图生成器的视频。人只需在空白的画布上指定天空、草地等元素，并勾勒出物体的轮廓，便可生成一张好似实景拍摄的风景画。甚至，还可以改变色调和主题。这个视频可以说在当时颠覆了我对人工智能的认知，好似变魔术般的实现了真正的智能。 大二的我们自认为，尝试复现这样的算法可谓不自量力。但以多媒体技术这门课为契机，我们决定挑战一番。经过论文阅读和资料搜集得知，该功能的核心算法为 GAUGAN，是生成对抗网络 GAN 的一种应用。最终，我们选定了本次的主题：使用 GAN 生成二次元头像。