第六周周报 张文清
本周看了生成语谱图的MATLAB程序。想试着自己写一下，不过没有成功，然后将MATLAB中的spectrogram函数打包Java包想写成Java代码。不过今天和老师交流说，还是得从底层做起，下周打算接着写语谱图的生成。
...
第六周周报——王佳琦
一、和毕设的同学讨论了他们写的代码中存在的问题和测试的相关问题，下周开始测试。
二、找了几篇类似的专利看了看是怎么写的，这周没逮着老师，交底书写完了但是还有问题，下周和老师问一下，理清思路，写申请书。
...
周报 1017.04.10-张猛
一、本周工作
由GAN训练完之后得到生成模型，其参数为每一层的权重，对于类型单一的训练集来说，生成模型单一，参数相当于一对一；对于多类型的训练集来说，参数相当于是多对多，意思是：随机输入一种分布，模型会分类到对应的子模型中，然后生成样本；生成模型会根据输入进行似分类处理，然后进行输出；到底是那些参数对应哪种类型的生成模型，无解，仅是黑盒子调控行为。
二、下周计划
将此前工作做下总结，看怎样结合应用
...
周报2017.04.03-张猛
一、本周工作
自己简单做了一个小小的手写体汉字训练集，共122张图片，输入图像大小为9696；输出图像大小为6464，总共8*8=64张；进行了10000 epoch;有趣的是，最初64张图片中能产生4-5个汉字，随着迭代次数的不断增加，产生的64张图像多样性越来越差，迭代到1200次以后，这64张产生的都是同一个字；也印证了论文中提到的GAN在训练过程中的不稳定：判别器越来越好，生成器越来越差；多样性也不断减少。同时，在实验中也反映了另一个问题：生成器与判别器是否同时在进化，进化到什么程度，表现不出来，也就是可解释性差。更有趣的是：在6000次迭代之后，生成汉字的多样性又开始丰富，即使可解释性差，从实验结果来看，本实验最终的效果说明，生成器和判别器参数更新比较均衡，训练过程比较稳定。(注：仅代表个人实验观点)
目前在各种会议（ECCV、NIPS、ICIR、arXiv）上发表的GAN相关文章，涉及到的应用方向如下：对抗型自编码器、生成图像、图像修复、超分辨率、去遮挡、语义分割、目标检测、视频预测、纹理合成与风格转移、面部生成与编辑、对话生成。
二、下周计划
GAN可视化尝试
...
第五周周报——王佳琦
一、写了专利的交底书。
二、总结了一些测试可能遇到的问题，开学准备测试。
...
2017.03.27 张猛
一、本周工作
关于图像修复，纹理生成，超分辨率三方面，了解了一下目前在论文中有记载的实现方式都有什么，其中，
图像修复实现的方式有：基于稀疏表示/纹理合成/局部结构信息/几何信息/马尔科夫随机场/全变分模型/压缩感知等，方式较多，实验结果也较成熟；
纹理生成实现的方法有：Arnold正反变换/特征匹配/马尔科夫模型/粒子群优化算法/块缝合/块采样等；
超分辨率实现的方式有：卷及神经网络/基于插值（传统插值/ 边缘指导插值） /基于建模/基于学习等；
总体来讲，以上方法在对应的功能实现方面做了更好的优化，实验效果也更逼真。若要相关方向的应用，可以考虑超分辨率，大概思路如下：
监控摄像头下，由于采集到的图像数据量非常大，但是存储空间有限，所以图像的分辨率也就变得低了；当我们需要某张图像的细节信息时，由于分辨率问题，图像并不是很清晰，也就往往捕捉不到关键信息。若是使用超分辨率，将图像中的细节丰富处理，可能就是某些人员的需求。
二、下周计划
将应用想法商讨，落实，并进行深入了解。
...
第四周周周报——王佳琦
一、按着交底书写了一份专利的大纲，下礼拜继续写申请书。
二、看了LSTM有关的博客，对LSTM有了初步的了解。
三、网上看了一些代码自己跑了跑。
...
周报-张猛 2017.03.20
一、本周工作
对于WGAN的大体结构已有初步了解，但是其中的对WGAN的深度解析，公式由来以及推导过程有一定难度，现在还没有真正理解。按照论文中对DCGAN不足之处的理解以及对应的做出对应的优化，可以看出，WGAN从结构上和从训练的难易程度上，比较DCGAN确实有些改进，也比较好训练，也更加稳定。
本周从GitHub上Down下来些源码，本想在机子上跑一下，看看结果咋样，但是代码基本上都是基于GPU运行的，由于本机的基本环境不支持，所以代码也没有跑成。
二、下周计划
想试试GAN的其他应用比如图像翻译，超分辨率应用，能有什么新结果。
...