Help us understand the problem. What is going on with this article?

深層学習/GAN (Generative Adversarial Network)

1.はじめに

 今回は、GANについて簡単にまとめます。

2.GANについて

スクリーンショット-2018-01-25-18.49.41.png
 GANは、生成器(Generator)及び識別器(Discriminator)という2つの競合するモデルからなります。Generatorはノイズzを入力とし、新しいデータG(z)を生成・出力します。Discriminatorは与えられたデータが学習データか、Generatorが生成したものかを識別します。

 両方のモデルを交互に学習させることで、Generatorは限りなく学習データに近い分布のデータを生成し、Discriminatorはその様なデータに対しての識別制度を高めようとするわけです。この様なネットワークは、生成ネットワークが敵対者との競争下におかれるゲーム理論的状況に基づいています。

 学習が進み、Generator および Discriminator それぞれが理想的な性能を有するようになった場合、Generator の生成する データ分布𝑝𝑔と訓練データの分布𝑝𝑑𝑎𝑡𝑎が一致するため、𝐷(𝒙)=0.5となります。

3.GANのロス関数

スクリーンショット 2020-04-01 13.02.02.png
 GANのロス関数は、上記の様です。GANの学習に置いて、Discriminatorは学習データx, 生成データG(z)それぞれに対して学習データ及び生成データであると正しく判定する確率を最大化しようとします。Generatorは、Discriminatorが生成データを学習データと誤判定する確率を最大化(生成データを偽物と判定する確率を最小化)しようとします。

4.DCGANの特徴

 GAN(Deep Convolutional Generative Adversarial Network)のポイントを簡単にまとめておきます。 
1)Batch Normalization を使う
2)Discriminator では pooling ではなく stride=2の畳み込みを使う
3)Generator では deconvolution を使う
4)FC層を無くして Global Average Poolingを使う
5)Discriminator では Leaky ReLU (α=0.2)を使う
6)Generator では基本的 にReLU を使い、出力層のみ Tanh を使う

jun40vn
ディープラーニング/フォトグラフ/ビットコイン/株/亜熱帯/マイクロコンピューター/混声合唱団/天体観測/バンド演奏
http://cedro3.com/
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away