LoginSignup
1
0

More than 1 year has passed since last update.

GAN(敵対的生成ネットワーク)

Posted at

AIに関する情報を閲覧するとき、「GAN」という単語をよく目にすると思いますが、
「難しそう」と思う方は多いのではないでしょうか?
ここでは、「GAN」について簡単に説明したいと思います。

GANとは

GAN(Generative Adversarial Network)とは、2つのニューラルネットワークが互いに競い合い、より正確な予測を行う機械学習(machine learning)モデルです。GANは通常、教師なしで実行され、協力的なゼロサム(zero-sum)ゲームの枠組みを使って学習します。

GANを構成する2つのニューラルネットワークは、Generator(ジェネレーター)とDiscriminator(ディスクリミネーター)と呼ばれます。Generatorは生成ネットワークで、Discriminatorは識別ネットワークです。Generatorの目的は、本物のデータと間違えられるような偽物のデータを作り出すことです。Discriminatorの目的は、その生成されたデータは本物かどうかを識別することです。

基本的に、GANは教師なしで学習データを生成します。GAN(敵対的生成ネットワーク)間のフィードバックループが続くと、Generatorのデータ生成力と、Discriminatorの識別力の精度を高めていきます。

GANの仕組み

GANを構築するに、まず、求める最終効果を確定し、そのパラメータに基づいて初期の訓練用データセットを収集します。それから、精度の高い出力を得るまでこのデータをランダムにGeneratorに入力することです。
その後、生成された画像は、オリジナルの実際データポイントと一緒にDiscriminatorに提供されます。Discriminatorはこれらの情報を識別、整理し、各画像の信憑性を表す0と1の間の確率を返します(1が本物、0が偽物)。最後はこれらの値の精度を手動で確認し、理想の結果が得られるまで繰り返されます。

GANの一般的な使用例

GANモデルは、画像コンテンツを理解し、高度な精度で画像データを再現できるため、画像の超解像処理にぴったりです。また、以下の応用ケースがあります。

画像の解像度を上げる
・テキストから画像を生成する
・白黒画像に色づける
・動画内での人の動きパターンをモデル化する
・画像を別の画像に仕上げる(ディープフェイク)

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
0