使用Pix2Pix GAN将Google Satelite Image转换为Streetmap图像 Pix2Pix GAN是图像到图像转换的通用方法。 它基于条件生成对抗网络，其中生成目标图像，该目标图像以给定输入图像为条件。 提出了Pix2Pix GAN的思想。 根据该论文，该模型不仅学习从源图像到目标图像的映射，而且学习损失函数以训练该映射。 网络架构 生成器是经过修改的U-net模型，它将RGB图像作为输入，然后尝试将其映射到相同形状的另一个RGB图像。 鉴别器是一个PatchGan，输出一个30x30的矩阵，然后用于计算对抗损失。 数据集 可以使用此从Kaggle下载数据集。 下载数据集后，将其提取到data / dataset文件夹中。 超参数 source_images = 1096 target_images = 1096 IMAGE_HEIGHT = 256 IMAGE_W

GAN、DCGAN、WGAN、CGAN的原理以及它们的优缺点的总结ppt。

李宏毅CGAN.pdf

基于深度对抗网络，建立pix2pix 模型,实现对目标对象的自动上色。python语言编写代码实现

压缩包中包含CGAN一篇代码及对应的minst.plk数据集。真是有效。

CGAN条件生成式对抗网络源代码，可以直接运行，不错的参考资料

条件生成对抗网络（CGAN）， tensorflow实现