1.Introducción
- Hola a todos. En este curso veremos como funcionan las redes de confrontación generativa condicional (cGAN).Estas redes a partir de una imagen de entrada generan una imagen de salida. El curso esta basado en este tutorial de google: https://www.tensorflow.org/beta/tutorials/generative/pix2pix
- En pix2pix la red se compone de dos piezas principales: el Generador y el Discriminador. El generador aplica alguna transformación a la imagen de entrada para obtener la imagen de salida. El Discriminador compara la imagen de entrada con una imagen desconocida , ya sea una imagen objetivo del conjunto de datos o una imagen de salida del generador e intenta adivinar si fue producida por el generador.
- Concepto GAN: Una GAN es un modelo generativo en el que dos redes compiten en un escenario de teoría de juegos. La primera red es el generador, genera una muestra (por ejemplo, una imagen), mientras que su adversario, el discriminador, intenta detectar si una muestra es real o si es el resultado del generador. En pocas palabras, GAN significa que dos redes funcionan una contra la otra. Primero se alimenta con datos en bruto que se descompone. A partir de estos, trata de crear una imagen. Luego lo envía a otra red que, solo tiene fotos o imágenes reales en su base de datos. Esta segunda red hará un juicio de la imagen e informará a la primera.Si la imagen no se parece al resultado esperado, el primer algoritmo reanuda el proceso. Si hay una coincidencia, se le informa que está en el camino correcto y termina por entender qué es una buena imagen.
- En el siguiente vídeo podéis verlo con más detalles:
No hay comentarios:
Publicar un comentario