Generative Adversarial Networks (GANs) PDF

Generative adversarial networks Wat is een GAN Generative Adversarial Network  GAN – Pretrained networks Eenvoudigste is hier om pre-trained modellen voor te  gebruiken  Wel enkel als het getraind is voor jouw toepassing  Fine-tuning kan nodig zijn Heel aantal besch...

Generative adversarial networks Wat is een GAN Generative Adversarial Network  GAN – Pretrained networks Eenvoudigste is hier om pre-trained modellen voor te  gebruiken  Wel enkel als het getraind is voor jouw toepassing  Fine-tuning kan nodig zijn Heel aantal beschikbaar   DC-GAN  StyleGan – portretfoto’s  CycleGan  … Architectuur - Generator Genereren van nieuwe data   Op basis van ruis (willekeurige beelden) Neuraal netwerk kan zelf gekozen worden   Vaak gebaseerd op de decoder van autoencoders  Upsampling of conv2d transpose lagen als tegengestelde van conv2d Architectuur - Discriminator Beslissen of een beeld een echt beeld of gegenereerd beeld  is  Binaire classificatie  Gebruikt dataset en gegenereerde beelden  Klassiek CNN Het leerproces Discriminator leert via classificatieprobleem   Echte of fake beelden  Binary Cross Entropy De generator leert de discriminator omzeilen   Geen trainingsdata maar feedback van discriminator  Tegengestelde loss van de discriminator Evaluatie Moeilijker dan klassieke problemen   Accuracy/recall/precision/… niet nuttig  Visuele inspectie  Inception Score  Gebruik een bestaand model voor classificatie  Correcte classificaties met hoge betrouwbaarheid zijn goede figuren  Fréchet Inception Distance  Bereken een distributie van de pixelwaarden  Liggen echte en gegenereerde data dicht bij elkaar? Uitdagingen Mode collapse   Maar beperkt aantal verschillende beelden Menselijke controle 