مذكرة لى فنغ الشبكة: هذه المادة هي عبارة عن تجميع لللى فنغ ترجمات بلوق التكنولوجيا المجموعة، عنوان GAN الأصلي مع Keras: تطبيق لصورة Deblurring، مؤلف رافاييل Meudec.

الترجمة | ياو يينغ تشين جونيا التشطيب | جيانغ فان

2014 إيان غودفلوو المقترحة توليد المواجهة شبكة (GAN) . تركز هذه المقالة على Keras وضع GAN حتى تحقيق صورة deblurring . كل رمز Keras، انقر هنا.

انقر فوق لعرض المقال الأصلي يمكن نشرها وPytorch تحقيق.

استدعاء سريع ولدت ضد شبكة

التدريب GAN في الشبكتين تتنافس مع بعضها البعض. مولد (مولد) المدخلات وهمية مقنعة الاصطناعية لالممي تضليل (الممي)، والممي هو تقديرا لهذه المدخلات غير صحيحة أو خاطئة .

عملية التدريب المواجهة شبكة الجيل - مصدر

عملية التدريب هناك ثلاث خطوات

• وضجيج المولدات المدخلات وهمية الاصطناعية

• مع الصواب والخطأ إدخال المدخلات الممي التدريب المشترك

• تدريب نموذج كامل: في جميع أنحاء نموذج والاتصال الممي مولد

ملاحظة: في الخطوة الثالثة، يتم تثبيت الوزن المناسب الممي

ربط الشبكتين ويرجع ذلك إلى ردود الفعل المولد الانتاج غير متوفرة . لدينا المعيار الوحيد هو أن نرى ما اذا كان سيقبل الممي أمثلة مولد الاصطناعية.

هذه ليست سوى القتال لتوليد مراجعة وجيزة من الشبكة، وإذا كان هذا لا يكفي لفهم، ويمكنك الرجوع إلى إدخال كامل.

معطيات

يستخدم إيان غودفلوو GAN النموذج الأول لتوليد البيانات MNIST. وهذه المادة هي باستخدام صورة ولدت deblurring ضد شبكة . وبالتالي توليد الدخل ليس الضوضاء، ولكن عدم وضوح الصورة.

بيانات مجموعة من البيانات GOPRO يمكنك تحميل مجموعة البيانات لايت (9GB)، يمكنك أيضا تحميل النسخة الكاملة من مجموعة البيانات (35GB). بين أنه يحتوي على صور واضحة اصطناعية من الشارع وجهات نظر مختلفة مجموعات مختلفة من نقاط البيانات في مكان الحادث لالمجلدات الفرعية المعنية.

نحن أول صورة المخصصة لA (طمس) و (ب) (واضحة) مجلدين. A & B هذا الهيكل يتوافق مع المادة pix2pix الأصلي. أنا خلق سيناريو مخصص لتنفيذ هذه المهمة. بعد نظرة على README تحاول ذلك.

نموذج

عملية التدريب لا تزال هي نفسها، وأول اطلالة له على بنية الشبكة العصبي.

مولد كهربائي

مولد لإنتاج صورة واضحة، استنادا إلى الشبكة كتل ResNet ويمكن أن معالجة عدم وضوح عملية تسجيل الصورة الأصلية. كما تستخدم على أساس الأصلي UNET نسخة، لكني لم يتحقق بعد. ويمكن لكل من الهياكل تكون صورة جيدة لطمس.

DeblurGAN هيكل الشبكة مولد - المصدر

جوهر هو استخدام 9 كتل ResNet أخذ عينات من الصورة الأصلية. نظرة على إعمال Keras!

ResNet طبقة هي طبقة كبير الإلتواء، حيث تتم إضافة المدخلات والمخرجات لتشكيل الناتج النهائي.

Keras مولد تنفيذ هيكل

ووفقا للخطة، مع تسع مناطق ResNet أخذ عينات من المدخلات جرا. لنا A متصلة مساهمة في زيادة الانتاج ثم مقسوما على 2 لتطبيع الإخراج.

هذا هو مولد! دعونا نلقي نظرة على هيكل الممي ذلك.

الممي

الهدف الممي هو تحديد ما إذا كان تركيب الصورة الإدخال. ولذلك، فإن هيكل هيكل الممي التلافيف، ولكن هو إخراج قيمتها احد .

تحديد بنية تنفيذ Keras

والخطوة الأخيرة هي لخلق نموذج كامل. هذا هو سمة من سمات GAN وهذا يعني أن المدخل هو الصورة الحقيقية بدلا من الضوضاء. لذلك لدينا هناك ردود فعل مباشر من إخراج مولد .

ثم نلقي نظرة على كيفية فقدان استخدام اثنين من الاستفادة الكاملة من هذه خصوصية.

تدريب

خسارة

استخرجنا مشاركة مولدات الخسارة النهائية ونموذج كامل.

أول غير فقدان ينظر ، يمكن أن تحسب مباشرة من الناتج المولد. أول ضمان نموذج خسارة GAN هو طمس هذه المهمة. فإنه يقارن الناتج VGG التفاف الأول .

الخسارة الثانية لانتاج نموذج كامل تحسب فقدان اسرشتاين ، حسبنا الفرق متوسط صورتين . كما نعلم جميعا، فإنه يمكن زيادة إنتاج هذه الخسائر مقابل تقارب الشبكات.

عملية التدريب

وتتمثل الخطوة الأولى لتحميل وتهيئة نموذج البيانات. نحن نستخدم وظيفة مخصصة لتحميل مجموعة البيانات، ثم نموذج محسن آدم. فإننا يمكن أن يحدد Keras تدريب خيارات لمنع التمييز والمدربين.

ثم نحن العهود (مجموعة كاملة البيانات عن طريق الشبكة العصبية وعملية العودة ويسمى عصر)، ودفعات (دفعات) مجموعة البيانات بالكامل.

وأخيرا، وفقا لفقدان اثنين، فإنه قد يكون التدريب التمييز والمولد. توليد مولد المدخلات كاذبة، الممي التدريب يميز بين المدخلات الصواب والخطأ، وتدريب نموذج كامل.

يمكنك الرجوع إلى جيثب لرؤية دورة كاملة.

تجربة

أنا باستخدام عمق شكلي تعلم AMI (الإصدار 3.0) في حالات AWS (p2.xlarge) نفذت. معلومات عن وقت التدريب مجموعة البيانات GOPRO لايت خمس ساعات (50 العهود).

النتائج صورة deblurring

من اليسار إلى اليمين: الصورة الأصلية والصورة ضبابية، خرج GAN

إخراج أعلاه هو نتيجة لدينا Deblur GAN مع Keras. حتى بالنسبة غامضة للغاية، ويمكن أيضا أن تخفض شبكة غامض، مما أدى إلى صورة مع مزيد من المعلومات، حتى أن أكثر أضواء التقارب والفروع أكثر وضوحا.

اليسار: GOPRO اختبار صورة، والحق: خرج GAN

منذ إدخال فقدان VGG المحسوبة، ولدت بحيث أهم الميزات صورة الاستشعار تبدو محدودة.

اليسار: GOPRO اختبار صورة، والحق: خرج GAN

آمل أن تتمكن من محاربة مثل هذا عن توليد شبكة للمادة صورة deblurring. يمكنك التعليق، قلق لي أو الاتصال بي.

إذا كنت مهتما في رؤية الجهاز، كتبنا أيضا مع Keras تنفيذ استعادة الصورة القائمة على المحتوى. وفيما يلي قائمة ولدت ضد موارد الشبكة.

اليسار: GOPRO اختبار صورة، والحق: خرج GAN

موارد شبكة الجيل ضد

NIPS 2016: المولدة الخصومة شبكات إيان غودفلوو

ICCV 2017: دروس في GAN

GAN تطبيقات مع KerasbyEric ليندر-نورين

وهناك قائمة من المولدة الخصومة شبكات Resourcesby deeplearning4j

حقا-رهيبة-قان التي كتبها قيصر هولغر

موقع بلوق https://blog.sicara.com/keras-generative-adversarial-networks-image-deblurring-45e3ab6977b5

المزيد من المقالات، شبكة الاهتمام لى فنغ لى فنغ لى فنغ شبكة شبكة

أضف تعليق لى فنغ إشارات مجموعة صغيرة (leiphonefansub) كصديق

تصريحات "أريد أن أشارك"، ليكون المتطوع AI!