DC-GAN(Deep Convolutional Generative Adversarial Network)

DC-GAN은  GAN의 구조에 CNN(Convolutional Neural Network)을 추가하여 이미지 생성을 안정적으로 할수 있는 모델 

convolutional, batch normalization, leakyReLU 등의 레이어를 가지고 있음

Generator와 Discriminator 두 개의 네트워크로 이루어져 있으며,

Generator는 무작위 노이즈 벡터를 입력으로 받아 실제와 같은 이미지를 생성하고,

Discriminator는 생성된 이미지와 실제 이미지를 입력으로 받아 이 둘을 구분

 

 

DC-GAN의 학습 방법 

 

1.데이터셋 준비

 

Generator와 Discriminator 네트워크 구성

Generator와 Discriminator 모두 CNN으로 구성.

 

2.손실 함수 정의:  

Generator의 손실 함수는 Discriminator가 생성된 이미지를 실제 이미지로 오인하도록 만드는 것이며, Discriminator의 손실 함수는 생성된 이미지와 실제 이미지를 구분할 수 있도록 하는 것

 

3.학습

Generator와 Discriminator를 번갈아 가며 학습 하며,  학습 Discriminator를 먼저 학습한 후, Generator를 학습

이때, Discriminator는 생성된 이미지와 실제 이미지를 구분하는 데에 성공하도록 하고, Generator는 생성된 이미지가 실제 이미지와 유사해지도록 함

 

4.평가

학습이 완료되면, 생성된 이미지가 실제 이미지와 유사하고 다양한 이미지를 생성할 수 있는지를 확인합니다. 샘플링: Generator가 생성한 이미지를 샘플링하여 이미지 생성 결과를 확인합니다

 

 

논문 

https://arxiv.org/abs/1511.06434

Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

 

텐서플로

https://www.tensorflow.org/tutorials/generative/dcgan?hl=ko 

심층 합성곱 생성적 적대 신경망  |  TensorFlow Core

 

파이토치

https://github.com/pytorch/examples/tree/main/dcgan

GitHub - pytorch/examples: A set of examples around pytorch in Vision, Text, Reinforcement Learning, etc.