99
правок
Изменения
м
→Полное описание архитектуры
Пусть у вас есть набор пар, состоящий из реальных фотографий и их сегментаций. Задача состоит в том, чтобы научиться генерировать из сегментированных изображений реальные.
* Помещается сегментированное изображение в генератор U-Net, и он генерирует некоторый выход.
* Дальше сгенерированное изображение (фотография) соединяется с исходным входным сегментированным изображением (сегментированное), и это все идет в PatchGan дискриминатор, который выводит матрицу классификации, состоящую из значений между 0 и 1, которая показывает, насколько реальны или поддельны разные части этого изображения.
* Затем для вычисления ошибки дискриминатора проводится 2 сравнения:
** сравнение матрицы классификации от {объединения сгенерированного изображения (фотография) с исходным входным сегментированным изображением (сегментированное)} с матрицей из всех 0** матрицы классификация от {объединения реального изображения (фотография) с исходным входным сегментированным изображением (сегментированнное)} с матрицей из всех 1
* Затем для вычисления ошибки генератора проводится сравнение матрицы классификации от {объединения сгенерированного изображения с исходным входным изображением} с матрицей из всех 1, которое считается с помощью BCE Loss, которое впоследствии суммируется с попиксельным сравнением реального изображения со сгенерированным, домноженным на <tex>\lambda</tex>
