← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 6473.d.2.e.1.d · 生成模型:未记录

条件GAN需要检查条件匹配

理解等级:中级

条件生成器接收条件与随机输入;如果判别器只检查输出是否逼真,生成器可能忽略条件。条件 GAN 可让判别器同时接收条件和样本,判断匹配的真实对与生成对,训练时还可加入真实但错配的条件—样本对。成对图像转换也可结合重建损失约束输出。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 生成模型 8.8 条件型生成 · 查看原书依据

      但是这样的方法没能真正解决条件型GAN的问题,因为如果我们只训练判别器,只将当作输入的话,生成器学到的知识就是,只要产生的图片品质高就可以了,跟输入没有任何关系,因为对生成器来说,只要产生清晰的图片就可以骗过判别器,不必管输入的文字是什么. 所以生成器直接就无视条件,产生一张图片骗过判别器就结束了. 这显然不是我们想要的,所以在条件型GAN中,就要做些不一样的设计,让判别器不仅接收图片,还要接收条件.判别器输出的分数也不只要看好不好,还要看和配不配得上. 如果和配不上,那就要给一个很低的分数;如果和配上了,那就可以给一个很高的分数.我们需要成对的文字和图像数据来训练判别器,所以条件型GAN的训练需要这种成对的标注数据. 当看到文字叙述是红色眼睛且图片真的是红色眼睛的角色,就给它1分;当看到文字叙述是红色眼睛但图片并非如此,就给它0分.

    参考来源

    - 位置:《深度学习详解》第8章《生成模型》8.8 条件型生成(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter08.xhtml`) - 结论依据:正文和图解分别说明条件判别与循环重建;后续段落指出循环映射可能偏离期望。 - 原始内容:但是这样的方法没能真正解决条件型GAN的问题,因为如果我们只训练判别器,只将当作输入的话,生成器学到的知识就是,只要产生的图片品质高就可以了,跟输入没有任何关系,因为对生成器来说,只要产生清晰的图片就可以骗过判别器,不必管输入的文字是什么. 所以生成器直接就无视条件,产生一张图片骗过判别器就结束了. 这显然不是我们想要的,所以在条件型GAN中,就要做些不一样的设计,让判别器不仅接收图片,还要接收条件.判别器输出的分数也不只要看好不好,还要看和配不配得上. 如果和配不上,那就要给一个很低的分数;如果和配上了,那就可以给一个很高的分数.我们需要成对的文字和图像数据来训练判别器,所以条件型GAN的训练需要这种成对的标注数据. 当看到文字叙述是红色眼睛且图片真的是红色眼睛的角色,就给它1分;当看到文字叙述是红色眼睛但图片并非如此,就给它0分.