• Генеративная состязательная сеть (GAN), генеративный подход, предложенный Гудфеллоу в 2014 году, стал одной из самых обсуждаемых тем в машинном обучении.
  • Генеративная состязательная сеть может

- Создавайте изображения высокого качества

- Создавайте высококачественные аудио и видео

- Создавать изображения из текста

- Преобразование изображений из одного домена в другой (перевод изображений) и т. Д.

  • Теперь доступны разные типы GAN для различных приложений.

АРХИТЕКТУРА ГЕНЕРАТИВНОЙ ПРОТИВОБОРНОЙ СЕТИ

Генеративные состязательные сети (GAN) - это архитектуры глубоких нейронных сетей, состоящие из двух генераторов сетей (G) и дискриминатора (D), которые противопоставляют друг другу (таким образом, состязательную).

  • Генератор принимает случайный шум и возвращает изображение.
  • Это сгенерированное изображение подается в дискриминатор вместе с потоком изображений, взятых из фактического набора данных.
  • Дискриминатор принимает как реальные, так и поддельные изображения и возвращает вероятности, число от 0 до 1, где 1 представляет собой предсказание подлинности, а 0 представляет поддельные.
  • Сущности / противники находятся в постоянной битве, поскольку один (генератор) пытается обмануть другого (дискриминатор), в то время как другой пытается не быть обманутым.

Имеет две петли обратной связи

  • Дискриминатор находится в петле обратной связи с истинностью изображений (настоящие они или фальшивые).
  • Генератор находится в петле обратной связи с Дискриминатором (пометил ли Дискриминатор его настоящим или фальшивым, независимо от истины).

ПОТЕРЯ ФУНКЦИИ

Функция потерь в дискриминативной модели - это обычная функция кросс-энтропийных потерь, связанная с двоичным классификатором.

P можно представить как D (x); т.е. вероятность того, что дискриминатор D оценивает вероятность того, что изображение X является реальным изображением.

Применяя алгоритм градиентного спуска для минимизации функции потерь, уравнение принимает вид

Функция потерь в генеративной модели

использованная литература

  1. Ян Гудфеллоу, ЖанПуге-Абади, МехдиМирза, BingXu, Дэвид Уорд-Фарли, Шерджил Озэрт, Аарон Курвиль, ЙошуаБенги, «Генеративные состязательные сети», 2014 г.
  2. Ян-Цзе Цао, Ли-Ли Цзя, Ян-цзе Цао, «Последние достижения генеративных состязательных сетей в компьютерном зрении» в IEEE Access PP (99): 1–1

ЧАСТЬ 2 скоро будет загружена ………