GAN
1.GAN 첫걸음
GAN(Generative Adversarial Network)은 복잡한 데이터 생성을 가능하게 하는 강력한 딥러닝 기법으로, Ian Goodfellow와 동료들이 2014년에 제안한 모델이다(Goodfellow et al., 2014). 두 가지 주요 신경망 구조,
2.MNIST GAN First Attempt
전체적인 구조는 앞과 같다. 이번 포스트 3줄 요약을 하자면, MNIST로 학습을 진행하고 시행착오를 겪음 Activ function 변경, 정규화 진행, seed 변경, Loss function 변경 시행착오 해결! 이다. MNISTDATASET CLASS 정
3.Human Faces
우리가 다룰 Dataset은 CelebA (Celebrity Attributes) Dataset이다. 이 데이터 셋은 10,000명 이상의 유명인사 얼굴 이미지 200,000장 이상을 가지고 있다.CV작업을 위한 연구 및 실험에 자주 사용된다. 데이터 셋의 사용은 연구
4.Convolutional GAN - CelebA Human Faces
지난 포스트에서의 핵심 아이디어를 조금 더 확장해서 합성곱 신경망을 적용하고, 조건적 GAN을 통해 원하는 클래스의 데이터를 생성해볼거다.우선 CNN에 익숙해지기 위해 MNIST로 시작해보자.맨 처음 요소는 nn.Conv2d 합성곱 레이어이다.매개변수 차례대로 (입력채
5.Conditional GAN - MNIST
GAN의 골치 중 하나는 모드 붕괴 현상이다. 꿀 지점을 찾아서 그 지점만 학습해, 한 종류의 이미지만 생성하는 현상이다. 생성하는 이미지를 하나의 클래스로 고정하고, 다양한 이미지를 만든다고 생각해보자. 예를 들어, GAN에게 3을 표현하는 다양한 이미지를 생성하라