Изменения

Перейти к: навигация, поиск

Generative Adversarial Nets (GAN)

316 байт добавлено, 02:07, 14 января 2021
CGAN (Conditional Generative Adversarial Nets)
В качестве примера использования данного алгоритма можно рассмотреть задачу генерации рукописных цифр.
Для создания При создании изображения, в генератор поступает скомбенированная скомбинированная информация 2х параметров: '''y''' и вектор шума. в В случае ''MNIST'' это, может быть, например, просто метка класса (от 0 до 9). На выходе, из генератора поступает изображение, полученное с помощью транспонированной сверткой свертки (деконволюциейпроисходит деконволюция). Затем полученное изображение поступает в дискриминатор, который в свою очередь применяет операцию, обратную операциюдеконволюции, чтобы получить полносвязный слой. Наконец, комбинируя анализируя полученную информацию с (полносвязный слой) и параметр '''y''' дискриминатор принимает решение, является ли изображение сгенерированным или нет.
[[File:CGAN_gen_disc.png|450px|thumb|right|Генерация при использовании CGAN]]
[[File:CGAN_generated.png|450px|thumb|right|Цифры, сгенерированные с помощью CGAN. Источник: https://arxiv.org/pdf/1411.1784.pdf]]
Также, используя условные порождающие состязательные сети, можно научить такую сеть генерировать текст по картинкеи наоборот. В качестве параметра '''y''' тогда можно передать в данном случае передается изображение, которое будет описанноописано.
[[File:CGAN_generated_tags.png|450px|thumb|right|Описание картинки. Источник: https://arxiv.org/pdf/1411.1784.pdf]]
Более того, такой тип для такого типа нейронных сетей, используя принимающих в качестве параметра '''у''' некоротое изображениеместности, например, можно получить в результате может быть получено аналогичное изображение этого места зимой или летом, днем или ночью.
==DCGAN (Deep Convolutional Generative Adversarial Nets)==
100
правок

Навигация