GAN 소개

PyTorch로 배우는 이미지 딥러닝

Michal Oleszak

Machine Learning Engineer

생성적 적대 신경망

생성된 고양이 이미지.

https://thesecatsdonotexist.com
생성적 적대 신경망(GAN)
학습 데이터 기반으로 새 샘플 생성

Pokemon Sprites 데이터셋

Pokemon Sprites 데이터셋의 이미지 샘플

PokeAPI 의 Pokemon Sprites 데이터셋
포켓몬 비디오게임의 동물형 캐릭터 스프라이트 약 1300개
목표: 새로운 포켓몬 생성!

GAN 아키텍처

GAN 워크플로 다이어그램.

GAN 아키텍처

GAN 워크플로 다이어그램.

GAN 아키텍처

GAN 워크플로 다이어그램.

GAN 아키텍처

GAN 워크플로 다이어그램.

GAN 학습 과정

GAN 워크플로 다이어그램.

생성기: 실제처럼 보이는 이미지를 학습해 생성합니다
판별기: 가짜와 진짜 이미지를 구분하도록 학습합니다
상반된 목표로 두 네트워크가 각자 더 향상됩니다
최종적으로 생성기는 현실적인 이미지를 만듭니다

기본 생성기

class Generator(nn.Module):
    def __init__(self, in_dim, out_dim):
        super(Generator, self).__init__()

        self.generator = nn.Sequential(
            gen_block(in_dim, 256),
            gen_block(256, 512),
            gen_block(512, 1024),
            nn.Linear(1024, out_dim),
            nn.Sigmoid(),
        )


    def forward(self, x):
        return self.generator(x)

Generator 클래스를 정의합니다

생성 블록들, 선형 계층, 시그모이드 활성화의 시퀀스

def gen_block(in_dim, out_dim):
  return nn.Sequential(
      nn.Linear(in_dim, out_dim),
      nn.BatchNorm1d(out_dim),
      nn.ReLU(inplace=True)
  )

입력을 모든 계층에 통과시킵니다
입력: 크기 in_dim의 노이즈
출력: 크기 out_dim의 이미지

기본 판별기

class Discriminator(nn.Module):
    def __init__(self, im_dim):
        super(Discriminator, self).__init__()

        self.disc = nn.Sequential(
            disc_block(im_dim, 1024),
            disc_block(1024, 512),
            disc_block(512, 256),
            nn.Linear(256, 1),
        )


    def forward(self, x):
        return self.disc(x)

Discriminator 클래스를 정의합니다

판별 블록들과 선형 계층의 시퀀스

def disc_block(in_dim, out_dim):
  return nn.Sequential(
      nn.Linear(in_dim, out_dim),
      nn.LeakyReLU(0.2)
  )

입력을 모든 계층에 통과시킵니다
입력: 크기 in_dim의 이미지
출력: 크기 1의 분류값

연습해 봅시다!

PyTorch로 배우는 이미지 딥러닝