128
правок
Изменения
→Глубокое обучение
Однако в современных моделях чаще используется один дискриминатор, который принимает на вход не только канал с выходным изображением, но и канал с маской (такие сети часто называются patchGAN). Современные модели чаще всего работают с масками произвольно формы (англ. free-form mask), при работе с которыми локальный дискриминатор показывает плохое качество. Именно поэтому концепция двух дискриминаторов стала не популярной.
=== Виды сверток ===
=== Функции потерь ===
Существует большое множество различных функций при при методе обучение модели через сравнение сгенерированного изображения с оригинальным. Примеры:
* L1-loss или per-pixel loss - оценивает точность восстановления каждого пикселя по отдельности
* Perceptual loss - сравнивает признаки полученного и исходного изображений
* Style loss - сравнивает текстуру и цвета изображений
* Total variation loss - оценивает однородность полученного изображения
При обучении обычно используется комбинация функций потерь с некоторыми весами, которые являются гиперпараметрами. В моделях, где вдобавок используется GAN, функция потерь от выхода дискриминатора также подмешивается к итоговой функции потерь.
[[Категория: Машинное обучение]]
