-28일차- 생성 모델링(Generative Modeling)

생성 모델링

 

판별 모델

입력된 데이터셋을 특정 기준에 따라 분류하거나, 특정 값을 맞추는 모델

 

생성 모델

학습한 데이터셋과 비슷하면서도 기존에 없던 새로운 데이터셋을 생성하는 모델

 

실제 쓰임은 어떤게 있을까

 

초반의 예제로 나오는 안테나 구조, 우주 탐사선, 모형 치아

이후에 간단한 음악을 넣으면 기타와 드럼 베이스등의 악기가 어울리는 복합음악을 만들어내는

Deep Composer가 또 굉장히 매력적으로 다가온다

 

그림을 사진으로 Pix2Pix

이미지와 실제 이미지가 쌍을 이루는 데이터셋으로 학습을 진행하여 한 이미지를 다른 이미지로 픽셀 단위로 변환한다는 뜻에서 Pixel to Pixel의 이름을 가짐

관련 논문

https://arxiv.org/pdf/1611.07004.pdf

논문내 이미지

논문내 이미지2

CycleGan

Pix2Pix가 한 방향으로 변환만 가능한 반면, CycleGAN은 그림을 실사 이미지로 바꾸는 것이 가능

또한 데이터셋 pair가 필요없기 때문에 데이터 구하기가 용이하고 레이블링이 필요없는 것이 장점

 

Neural Style Transfer

전체 이미지의 구성을 유지하고 싶은 Base Image와 입히고 싶은 스타일이 담긴 Style Image 두장을 활용해 새로운 이미지를 만들어 내는 기법

 

생성 모델링 실습

패션 학습하기(Fashion MNIST)

이미지 크기 : 28 X 28

데이터셋 수 : training 60000, test 10000

레이블 클래스 수 : 10가지

• 0: T-shirt/top
• 1: Trouser
• 2: Pullover
• 3: Dress
• 4: Coat
• 5: Sandal
• 6: Shirt
• 7: Sneaker
• 8: Bag
• 9: Ankle boot

---노트북 실습예제---

깃허브로 갈음합니다

 

GitHub - dlfrnaos19/rock_scissors_paper_classifier: task 1