‘地球上我们如何评价由GANs生成的图像?’

‘GANs生成的图像如何在地球上评价?’

GAN模型评估指标概述

GAN由两个主要网络组成,生成器网络和鉴别器网络。GAN生成器模型通过称为鉴别器的第二个模型进行训练,鉴别器学习将图像分类为真实或生成。生成器和鉴别器模型一起进行训练以保持平衡。

因此,GAN生成器模型的训练中没有使用客观损失函数,也没有通过损失本身客观地评估训练的进展和模型的相对或绝对质量的方式。这意味着必须使用生成的合成图像的质量,并手动检查生成的图像来评估模型。

本文是五篇文章系列中的第三篇。在接下来的一篇中,我们将探索流行的GAN模型及其主要应用,并以一个端到端的GAN项目结束本系列。

你是否想开始一份数据科学和人工智能的职业并需要学习如何?我提供数据科学指导和长期职业辅导服务:

订阅我的新闻简报 To Data & Beyond,全面并提前获取我的文章:

To Data & Beyond | Youssef Hosni | Substack

数据科学、机器学习、人工智能及其超越。点击阅读 To Data & Beyond,由Youssef Hosni编写的内容…

youssefh.substack.com

1. 手动评估

Ian Goodfellow等人在他们的论文《改进的技术用于训练GANs》中使用了人工注释者手动评判合成样本的视觉质量来评估他们的GAN性能。他们创建了一个网络界面,并在亚马逊的Mechanical Turk(MTurk)上雇佣了注释者来区分生成的数据和真实数据。