discriminator

[Part5]Sketch2Pokemon-학습 및 테스트하기|Pix2Pix

데이터 준비하기 Generator 구성하기 Generator 재구성하기 Discriminator 구성하기 학습 및 테스트하기(현재 page) Generator와 Discriminator 학습 및 테스트 이번 스탭에서는 구현된 Generator와 Discriminator를 학습시켜보고, 스케치를 입력으로 채색된 이미지를 생성해봅시다. 먼저 학습에 필요한 손실 함수부터 정의하도록 하자. 논문의 여러 실험 결과 중 손실 함수 선택에 따른 결과의 차이는 아래와 같습니다. 레이블 정보만 있는 입력에 대해 여러 손실 함수를 사용해 실제 이미지를 만들어 낸 결과는, 일반적인 GAN의 손실 함수에 L1을 추가로 이용했을 때 가장 실제에 가까운 이미지를 생성해 내었습니다. 이번 실험에서도 두 가지 손실 함수를 모두 사용..

[Part4]Sketch2Pokemon-Discriminator구성|Pix2Pix

데이터 준비하기 Generator 구성하기 Generator 재구성하기 Discriminator 구성하기(현재 page) 학습 및 테스트하기 Discriminator 구성하기 Generator만으로 좋은 결과를 도출하기에는 부족할 것입니다. 조금 더 사실적인 이미지를 생성하기 위한 Pix2Pix를 완성시키기 위해서는 Discriminator가 필요한데, 이번 스탭에서는 Discriminator를 만들어 Pix2Pix 구조를 완성시켜 보는 시간을 가져봅시다. Discriminator의 구성요소 알아보기 아래의 사진은 Pix2Pix 논문에서 Discriminator를 구성하는데 필요한 정보이니, 알아보도록 합시다. Generator의 구성 요소와 똑같이 "C64" 등으로 표기되어 있습니다. 진짜인지 가짜 이..

[Part1]Sketch2Pokemon-데이터 준비하기|Pix2Pix

한강 한강 볼 것이 많아 총 5개의 목차로 나누었습니다. 데이터 준비하기(현재 page) Generator 구성하기 Generator 재구성하기 Discriminator 구성하기 학습 및 테스트하기 데이터 준비하기 이번에는 앞서 알아본 pix2pix 모델에 대해 직접 구현하고 실험하는 시간을 가져보려합니다. 사용할 데이터셋은 Sketch2Pokemon 이라는 데이터셋으로 아래 링크에서 다운 받을 수 있습니다. Sketch2Pokemon info 위 출처에는 학습용 데이터셋에 830개의 이미지가 있으며, 각 (256 * 256) 크기의 이미지 쌍이 나란히 붙어 (256 * 512) 크기의 이미지로 구성되어 있습니다. import os data_path = "/content/drive/MyDrive/data..

[Part3]난 스케치 넌 채색을... |GAN-Pix2Pix

이전 투고에서는 Generator 구성, Discriminator 구성, 학습 및 테스트를 진행해보았습니다. 이번 시간에는 이미지를 입력으로 하여 원하는 다른 형태의 이미지로 변환시킬 수 있는 GAN model을 알아보도록 합시다. 목차 GAN의 입력에 이미지를 넣는다면? Pix2Pix 1. GAN의 입력에 이미지를 넣는다면? 지금까지 cGAN에 대해 알아보고 실험해 보면서, 작은 조건만으로 우리가 원하는 클래스의 이미지를 생성할 수 있음을 확인해보았다. 만약 입력 자체가 조건이 된다면 어떻게 될까??? cGAN과 같이 클래스 레이블 등의 조건을 함께 입력하는 것이 아니라, 조금 더 자세하게 내가 원하는 이미지를 얻기 위해 이미지를 조건으로 줄 수 없을까???? 이번에는 Pix2Pix는 기존 노이즈 입력..

[Part2]난 스케치 넌 채색을... |TF2-GAN

In [1]: from IPython.core.display import display, HTML display(HTML("")) ⛳ 나는 스케치를 너는 채색을..... ⛳¶ 목차¶ 내가 원하는 숫자 이미지 만들기 (1) Generator 구성하기 내가 원하는 숫자 이미지 만들기 (2) Discriminator 구성하기 내가 원하는 숫자 이미지 만들기 (3) 학습 및 테스트하기 3. 내가 원하는 숫자 이미지 만들기 (1) Generator 구성하기¶ 이제부터는 앞에서 계속 비교해온 GAN과 cGAN을 각각 간단하게 구현하고 실험해 보자. 간단한 실험을 위해 MNIST 데이터셋을 이용할 것이다. TF2-GAN 데이터 준비하기¶ tensorflow-datasets 라이브러리에서 간단하게 MNIST 데이터셋을..

[Part1]난 스케치 넌 채색을... |GAN

In [1]: from IPython.core.display import display, HTML display(HTML("")) ⛳ 나는 스케치를 너는 채색을..... ⛳¶ 들어가며..¶ 2014년 GAN(Generative Adversarial Networks)이 세상에 나타난 이후, Computer Vision 및 다양한 분야에서 많은 관심을 받아 활발하게 응용되면서 빠르게 발전해 왔다. 오늘은 이미지 생성 모델로 사용되는 일반적인 GAN에 조건을 부여하여 내가 원하는 유형의 이미지를 생성해 낼 수 있도록 하는 방법에 대해 알아보자. 오늘 진행할 내용에는 Tensorflow로 신경망을 구현하는 과정을 보고 이해하는 부분이 많다. 학습 목표¶ 조건을 부여하여 생성 모델을 다루는 방법에 대해 이해 cG..

[Part 2]인공지능으로 새로운 패션을 만들 수 있다!

In [41]: from IPython.core.display import display, HTML display(HTML("")) ⛳ 새로운 패션 만들기 코드로 살펴보자 ⛳¶ 3-2. 코드로 살펴보자.¶사용할 데이터셋이 어떤 것인지 알았으니, 코드를 실행해보자. 필요한 패키지는 신경망 구성에 필요한 Tensorflow, 이미지와 GIF를 다루는 imageio, display, matplotlib, PIL 등 이 필요하다. In [1]: import os import glob import time import PIL import imageio import numpy as np import tensorflow as tf from tensorflow.keras import layers from IPython..