GAN笔记_李弘毅教程(十)Evaluation Concluding Remarks

2023-12-23 21:32

本文主要是介绍GAN笔记_李弘毅教程(十)Evaluation Concluding Remarks,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • Evaluation
    • Likelihood
      • Inception Score
  • Mode Dropping
  • GAN产生的distribution不够大之solution
    • Unroll GAN
    • Mini-batch Discrimination
    • Optimal Transport GAN(OTGAN)
  • Concluding Remarks

Evaluation

Likelihood

传统generator的方法
产生某一张特定图片的几率。
但问题是:GAN可能不会产生那张特定图片

所以用Kernel Density Estimation
每一个输出的样本是有相同协方差的高斯的平均值,估出它们的distribution

难点:
不知道要几个高斯
不知道要sample多少
就算真计算出 likelihood,也不确定它就能代表Quality:

把x输入进现成的图像分类器,输出的集中的分布代表有高的质量。(一张图看是否清晰)
还要有diverse,所有分布取平均,如果 p ( y ) p(y) p(y)各类分布都比较平均,说明每一种不同的class都能被产生到,表明是diverse的,如果某一类分布很高,而其他低,那么说明表明结果是不diverse的。(多张图看是否diverse)

Inception Score

第一项:产生多个x,每一个x丢到classfier里算它的distribution,计算 p ( y ∣ x ) p(y|x) p(yx)的负熵,负熵用来看该distribution够不够sharp,越sharp,表示产生的图片越好。
第二项:平均,熵越大,结果越好。

但也可能出现这种情况,GAN产生的结果很清晰,但是因为GAN从train data里拿出的图,硬记得图,这是我们不想要的。我们想要GAN是有创造力的。
如何看GAN是直接从train data里拿出的图呢?这是个issue,因为无法穷尽所有的train data。
如果用自动的方法将GAN产生的图和train data的每张图比较相似度,但仅比较相似度是不够的。
比如下图算pixel neighbor的相似度(值越小越好),将pixel向左移,移动的过程中,与原图最像的那张生成图也会移动,不是同一个。

Mode Dropping

GAN容易出现的问题
多样性不够
DCGAN(Deep conditional GAN)先让classfier看是不是像同一个人,然后再把像同一个人的图片让人来看是不是同一个人,最后算出不一样人脸的数量
把最右边一列(虚线框)的图是traindata里的图中找的最像的图,发现并不完全一样。
(有50%以上的几率能在400张图中找到另一张同一个人的人脸,可以衍生到很大数据集中有大约多少不同的人脸)
ALI更强些,可以产生更多的不同人的脸。

GAN和真实人脸比起来还是有一定程度的差距。

GAN产生的distribution不够大之solution

Unroll GAN

解决方法较复杂,运算量较大

Mini-batch Discrimination

原本是看一张image,看质量是否好
而这个方法是让D看一把image,来决定图片质量是否好:
不仅要看每张图片的质量,还要看这些图像之间是否相似。
从training data 和 generated image sample一把image出来,如果 generated image sample出来的一把都很像,那就是发生mode collapse,D就会发现这些图片的相似性很高,然后觉得这把图不realistic。

Optimal Transport GAN(OTGAN)

Concluding Remarks

from A to z(从头到尾,这里是表示不同字母开头的GAN)

C还有conditional GAN
还有BEGAN

MMGAN train不起来,所以用的NSGAN
progressive GAN从小图生成大图
Y形状

这篇关于GAN笔记_李弘毅教程(十)Evaluation Concluding Remarks的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/529534

相关文章

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

Linux系统中卸载与安装JDK的详细教程

《Linux系统中卸载与安装JDK的详细教程》本文详细介绍了如何在Linux系统中通过Xshell和Xftp工具连接与传输文件,然后进行JDK的安装与卸载,安装步骤包括连接Linux、传输JDK安装包... 目录1、卸载1.1 linux删除自带的JDK1.2 Linux上卸载自己安装的JDK2、安装2.1

Linux卸载自带jdk并安装新jdk版本的图文教程

《Linux卸载自带jdk并安装新jdk版本的图文教程》在Linux系统中,有时需要卸载预装的OpenJDK并安装特定版本的JDK,例如JDK1.8,所以本文给大家详细介绍了Linux卸载自带jdk并... 目录Ⅰ、卸载自带jdkⅡ、安装新版jdkⅠ、卸载自带jdk1、输入命令查看旧jdkrpm -qa

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3

springboot简单集成Security配置的教程

《springboot简单集成Security配置的教程》:本文主要介绍springboot简单集成Security配置的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录集成Security安全框架引入依赖编写配置类WebSecurityConfig(自定义资源权限规则

MySQL Workbench 安装教程(保姆级)

《MySQLWorkbench安装教程(保姆级)》MySQLWorkbench是一款强大的数据库设计和管理工具,本文主要介绍了MySQLWorkbench安装教程,文中通过图文介绍的非常详细,对大... 目录前言:详细步骤:一、检查安装的数据库版本二、在官网下载对应的mysql Workbench版本,要是

通过Docker Compose部署MySQL的详细教程

《通过DockerCompose部署MySQL的详细教程》DockerCompose作为Docker官方的容器编排工具,为MySQL数据库部署带来了显著优势,下面小编就来为大家详细介绍一... 目录一、docker Compose 部署 mysql 的优势二、环境准备与基础配置2.1 项目目录结构2.2 基

Linux安装MySQL的教程

《Linux安装MySQL的教程》:本文主要介绍Linux安装MySQL的教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux安装mysql1.Mysql官网2.我的存放路径3.解压mysql文件到当前目录4.重命名一下5.创建mysql用户组和用户并修

最新Spring Security实战教程之Spring Security安全框架指南

《最新SpringSecurity实战教程之SpringSecurity安全框架指南》SpringSecurity是Spring生态系统中的核心组件,提供认证、授权和防护机制,以保护应用免受各种安... 目录前言什么是Spring Security?同类框架对比Spring Security典型应用场景传统

最新Spring Security实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)

《最新SpringSecurity实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)》本章节介绍了如何通过SpringSecurity实现从配置自定义登录页面、表单登录处理逻辑的配置,并简单模拟... 目录前言改造准备开始登录页改造自定义用户名密码登陆成功失败跳转问题自定义登出前后端分离适配方案结语前言