# DCGAN

jaejuna

13장 생성 모델

coral2cola

Applications of GANs

injokim

CNN은 supervised image classification에서 괄목할만한 성능 향상을 이끌어냈습니다.그러나, unsupervised learning, 특히 image generation task에서는 여전히 저조한 성능을 보이고 있습니다.이에, 좋은 이미지 생성

gooook

GAN의 개념과 구조

sjinu

본 글은 DCGAN 논문 내 Visualizing에 대한 내용만 담고 있습니다.

sjinu

Note on GAN / DCGAN

tobigs16gm

다. 복잡하니까 하나씩 보겠다. 생성자(Generator)의 입력값은 정규분포에서 샘플링한 임의의 벡터이다. 이는 학습 과정에서 지속적으로 변화한다. 즉, 매 배치, 매 샘플마다 다른 값을 가진다. 이때 VAE와 달리 실제 이미지에서 추출한 분포가 아니다. 평균과 분산

stapers

투빅스에서 두번째 심화 세미나로 생성모델을 하게 되었다. 지난 컨퍼런스 때 생성모델을 다뤘던 것이 개인적으로 재밌기도 했고, 무엇보다 생성모델이 데이터를 생성하는 분야 뿐만 아니라 텍스트에서 self supvervised learning과 연관이 있는 것 같아 배워두고

wo7864

앞서 설명했던 DCGAN의 구조를 코드를 분석하며 설명합니다.Dataset 준비Model 구조 정의TrainEval의 순서로 진행합니다.get_celeba_data Celeb_A 데이터를 다운로드하고, 적절하게 전처리한 dataset을 반환합니다.keras.prepro

wo7864

DCGAN은 수학적인 접근이나 추론보다는, 무수히 많은 실험을 통해 경험적으로 더 나은 신경망을 제안한 방법입니다. 따라서 수학적인 증명보다는 논문에서 더 나은 구조를 제시한 내용을 바탕으로 설명합니다. 기존의 GAN에 Convolutional Layer를 결합한 구조

wo7864

GAN 논문이 발표 된 이후, GAN을 응용한 여러 논문들이 발표되었습니다. 그 중 GAN의 바로 다음 단계라고 할 수 있으며 다른 수많은 GAN의 기초가 된 DCGAN에 대해서 설명합니다.Deep Convolutional Generative Adversarial Ne

a01152a

이전 글에서 DCGAN의 논문 리뷰를 했다.논문 읽기 및 구현(1) - DCGAN이번에는 직접 DCGAN을 만들어보고 MNIST 데이터셋으로 학습시킨 후에 SimpleGAN과 비교해 볼 것이다.\_\_init\_\_channels_img : 64 x 64 이미지feat

a01152a

Introduction 논문 읽기 및 구현(1) - GAN 논문 읽기 및 구현(2) - GAN 이전 글에서 GAN의 이론적 내용과 코드 리뷰를 했다. 이번에는 GAN을 활용한 논문을 리뷰해본다. 가장 기본적인 GAN 논문인 DCGAN - Deep Convoluti

junyoung9696

GAN은 Generative Adversarial Networks의 약자로 이하 GAN이라고 줄여 부른다.한글로 말하자면 '생산적 적대 신경망'이라는데, 처음부터 어질어질 하다...어렵게 얘기하지 말고 비전공자도 이해하기 쉽게 흥미 유발부터 하나하나 써보겠다!https

jooh95

Pytorch를 이용해 DCGAN을 구해봅시다. 학습 데이터: Celeb-A Faces dataset