Генерация изображений котиков с помощью генеративно-состязательной сети | Примеры наших программ

В одном из наших прошлый постов мы уже писали про генеративно-состязательные сети. Тогда мы проверяли их работу с помощью самостоятельно написанной с нуля библиотеки для свёрточных сетей на C++ на задаче генерации изображений персонажей аниме. На этот раз мы вооружились питоном и мощной видеокартой, чтобы не ждать сутками, пока обучение завершится.

Генеративно-состязательные сети — один из наиболее интересных типов нейронных сетей, поскольку они позволяют создавать реалистичные (обычно) изображения буквально из ничего, а точнее из случайного шума. Такие сети состоят из двух подсетей — генератора и дискриминатора. Задача генератора — генерировать из случайных чисел изображение, а задача дискриминатора — отличать реальное изображение от изображения, созданного первой сетью. В процессе обучения то дискриминатор, до генератор всё точнее подстраивают свои весовые коэффициенты так, чтобы наилучшим образом отличать сгенерированное изображение от настоящего в случае дискриминатора, и генерировать всё более реалистичное изображение в случае генератора.

В процессе работы было решено генерировать изображения котиков (ведь в интернете все любят котиков, не так ли?). Для этого был скачан набор данных cat-faces (https://www.kaggle.com/spandan2/cats-faces-64x64-for-generative-models) и созданы две глубоких свёрточных нейронных сети. Полученная генеративно-состязательная сеть обучалась на протижении 120 эпох с размером батча равным 32. Полученные результаты, а также процесс обучения сети можно видеть во вложениях к этому посту.

Источник: www.kaggle.com

Комментарии: