Генеративно-состязательная сеть (GAN) – это класс сред машинного обучения, разработанный Яном Гудфеллоу и его коллегами в 2014 году. Две нейронные сети соревнуются друг с другом в игра (в смысле теории игр, часто, но не всегда в форме игры с нулевой суммой). Учитывая обучающий набор, этот метод учится генерировать новые данные с той же статистикой, что и обучающий набор.
GAN состоит из двух сетей, которые конкурируют друг с другом, а именно сети генератора и сети дискриминатора, сеть дискриминатора спроектирована таким образом, что она может различать настоящие и поддельные данные, тогда как сеть генератора спроектирована таким образом, что она может создавать поддельные данные. данные, чтобы он мог обмануть сеть дискриминатора.
Как правило, скрытый вектор (случайный шум) подается в качестве входных данных в сеть генератора для создания поддельных изображений, и эти изображения смешиваются с реальными изображениями и передаются в качестве входных данных в сеть дискриминатора, чтобы обучить ее различать настоящие и поддельные данные на основе выход дискриминатора наша сеть генератора соответственно учится тому, как создавать поддельные данные, которые достаточно близки, чтобы обмануть дискриминатор, и это бесконечный процесс, и также мы не можем гарантировать, что после каждого шага генератор всегда становится лучше, т. е. их функции потерь продолжают колебаться.
Генеративно-состязательные сети все еще развиваются и с каждым годом становятся все лучше и лучше, начиная с глубоких сверточных GAN и заканчивая StyleGAN, мы можем видеть огромные изменения в их результатах, а также в их нейронных сетях.
СЛУЧАИ ИСПОЛЬЗОВАНИЯ ДЛЯ СОЗДАНИЯ РЕАЛИСТИЧНЫХ ИЗОБРАЖЕНИЙ:
✇ Создавать модные образы, полезные дизайнеру для создания одежды, обуви, украшений и т. д. с легкостью.
–› Создание уникальных шаблонов дизайна для домов, комнат и т. д.
–› Генерация новых изображений для фирм, размещающих изображения
–› В общем случае создание реалистичных изображений применимо ко всем приложениям, где требуются новые шаблоны проектирования.
ДРУГИЕ КРУТЫЕ ВЕЩИ, МОЖЕТ СДЕЛАТЬ ГАНС:
✇ Speech2Face GAN может реконструировать изображение лица человека после прослушивания его голоса
✇ GAN можно использовать для возрастных фотографий лица, чтобы показать, как внешний вид человека может меняться с возрастом.
✇ Чтобы преобразовать изображения с низким разрешением в изображения с высоким разрешением
–› Преобразование текста в изображение
–› подпись изображения соответствующими метками
–› Преобразование рукописного эскиза в реалистичное изображение
Первоначально опубликовано на https://emproto.com/ 28 июня 2020 г.