GAN(Generative Adversarial Network)

Supervised Learning

학습하는 모델 : Discriminative Model
특정 Input image가 들어왔을 때 학습을 하게 됨

Unsupervised Learnin

학습하는 모델 : Generative Model
Training data의 분포를 학습을 하는 것이 목표
Generative Model의 목표는 실제 data의 분포에 근사하는 Model을 만들고자 하는 것이 목표

Generative Model 중 가장 핫한 GAN(Generative Adversarial Network)

Discriminator가 진짜 이미지인지 가짜 이미지인지 판별을 할 수 있도록 판별
Real image : value should be close to 1
Fake imge : value should be close to 0
학습은 하면 할 수록 진짜 같은 가짜 이미지를 만들 수 있게 됨

Discriminator(판별기) : 판별기의 역할은 진짜 데이터는 진짜로 가짜 데이터는 가짜로 구별하도록 학습 하는 것

Generator(생성기) : 생성기의 역할은 랜덤한 코드를 받아서 Discriminator(판별기)를 속이기 위한 진짜 데이터 같은 가짜 데이터를 만드는 것

DCGAN

특징
convolution layer를 사용
pooling layer를 사용하지 않음
Latent vector를 가지고 산술적인 연산을 할 수 있게 됨

LSGAN

기존은 discriminator를 속이기만 하면 되었음

Semi-Supervised GAN

ACGAN

이전까지 GAN들은 Generative Model에 집중(G를 학습시키는 것이 목표)
ACGAN은 Discrminator에 좀 더 집중을 했다고 생각하면 됨

CycleGAN
StackGAN

https://www.youtube.com/watch?v=odpjk7_tGY0
https://blog.naver.com/laonple/221274014481