<<展開

CycleGAN

概要

比較的新しく提案された画像変換を行うGAN. あるテーマの画像から別のテーマの画像に変換します.(下記は概要です.詳しくは論文を参照してください)
Facebookシェア Twitterツイート LINEで送る このエントリーをはてなブックマークに追加
この章を学ぶ前に必要な知識
0
条件
  • あるテーマのグループが二ついる
効果
  • あるテーマから別のテーマに画像を変換できる(馬からシマウマ等)
ポイント
  • 入力画像と正解画像というペアは必要ない
  • あるテーマが共通したグループが二つあるとその間を変換する
  • 似ていても学習時に見慣れていない画像には弱い
  • 形状の変形を伴い画像変換はあまり得意ではない

解 説

CycleGANはGANを発展させて、二つの画像のテーマ(ドメイン)の間を変換できるようにした技術.
GANとは
ネットワーク構造、学習する訓練データが特徴的になっています。 ネットワーク構造 下の図にあるような特徴的な形をしています。 作られた画像か本物の画像かを判別するDの学習では、 ・本物Aの画像 ・本物BをAに変換した画像 ・本物AをBに変換した画像をAに変換した画像 が入力となるため、二つのGは上記の二回の変換をしてもDを騙せるように学習しなくてはならなくなります。 学習する訓練データ 一般的な画像変換をする学習では、入力画像と変換した結果としての正解画像を訓練データとします。しかし、CycleGANでは、あるテーマのグループから一つを入力画像として別のテーマのグループに変換できているかを学習させるだけなので、対応画像は用意されていません。
CycleGANとは
CycleGANのネットワーク構造
学習データは右側のようにペアになっていないデータで学習をします。 (論文より引用)
馬からシマウマへの変換 (https://github.com/junyanz/CycleGANより引用)
この章を学んで新たに学べる
Comments

Reasons
>>隠す

知識: GANとは
近年注目されている画像等を生成するニューラルネットワークを用いた学習手法.二つのニューラルネットワークを使って片方の識別能力をあげる点が特徴.既にGANの改良系が数十種類提案されている.