Empfohlen
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Mehr von yohei okawa
Mehr von yohei okawa (15)
CycleGANについて
- 1. CycleGAN について Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks 2018.02.13 hei4
- 3. 論文の紹介 ● 著者： ジュンヤン・ジュー（カリフォルニア大学バークレー校） ● タイトル： Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks ● カンファレンス： ICCV (2017)
- 4. ＧＡＮの発展 〜ベーシック ドメイン Xドメイン Z x∈X G(z)=^x∈Xz∈Z generator G discriminator D D real / fake D(G(z))=D( ^x) D(x) real / fake
- 5. ＧＡＮの発展 〜ＤＣＧＡＮ 笑った女性 （の元の z ） 女性 （の元の z ） 男性 （の元の z ） 笑った男性 （の元の z ） Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks (2015) ● ＣＮＮを導入して安定した画像生成に成功 ● 入力 z を指定することで任意の画像を生成可能 ● z の演算によって生成画像の種類を選択可能
- 6. ＧＡＮの発展 〜ｐｉｘ２ｐｉｘ 変換系へのモチベーション ● 生成画像の構図を指定したい ● 画像のコンテンツ（内容）を保ったままスタイル（細部）を変化させたい ● 高精度なスタイル変換に成功 ● 学習データは、変換前後のペアであることが必要 ● タスクによっては、学習データをペアで準備することは困難 Image-to-Image Translation with Conditional Adversarial Networks (2016) 著者らの一人に、ＣｙｃｌｅＧＡＮのジュンヤン・ジューも
- 9. ＣｙｃｌｅＧＡＮの概要 X YG x G(x) F(G(x)) F |F(G(x))−x| reconstruct reconstruct real realcycle consistency loss
- 12. ＣｙｃｌｅＧＡＮの概要 F DY DX X YG ● loss の最小化によって、 CycleGAN は X→Y 、 Y→X の写像および、 X→Y→X 、 Y→X→Y の循環性を持つ
- 14. ＣｙｃｌｅＧＡＮの概要
- 16. ＣｙｃｌｅＧＡＮの概要
- 21. 実装について CNN CNN Res Net Res Net CNN CNN．．． ．．． ．．．image image ダウンサンプリング アップサンプリングResidual-Net CNN CNN ダウンサンプリング image scalar・・・・・・・・・・・・ Generator Discriminator
- 22. 実装について ● loss 中の負対数尤度計算を、誤差二乗和に ● Adam ソルバー バッチサイズ「１」 （！） ● 学習係数 0.002 ＠ epoch0 〜 100 零に向かって徐々に減衰 ＠ epoch100 〜 200 ● loss の発振を防ぐために、生成画像をバッファリング → Discriminator の学習にはバッファ画像を使用