使用 Gan 網(wǎng)絡生成名人照片

本文作者： AI研習社-譯站

2018-08-24 14:17

導語：生成式對抗網(wǎng)絡是一類用于無監(jiān)督學習算法的人工算法

雷鋒網(wǎng)按：本文為 AI 研習社編譯的技術博客，原標題 Celebrity Face Generation using GANs，作者為 SHIVAM BANSAL。

翻譯 | 江舟校對 | 吳曉曼整理 | MY

生成式對抗網(wǎng)絡（GANs）是深度學習中最熱門的話題之一。生成式對抗網(wǎng)絡是一類用于無監(jiān)督學習算法的人工算法，由兩個神經(jīng)網(wǎng)絡組成的系統(tǒng)實現(xiàn)

生成器
鑒別器

兩個神經(jīng)網(wǎng)絡都在零和游戲框架中相互競爭。生成式對抗網(wǎng)絡（GANs）是一組模型，他們基本上學習創(chuàng)建與其給出的輸入數(shù)據(jù)類似的合成數(shù)據(jù)。

使用 Gan 網(wǎng)絡生成名人照片

鑒別器的任務是確定給定圖像是否看起來自然（即是來自數(shù)據(jù)集的圖像）還是看起來它是人工創(chuàng)建的。生成器的任務是創(chuàng)建與原始數(shù)據(jù)分布類似的自然外觀圖像，這些圖像看起來足夠自然以欺騙鑒別器網(wǎng)絡。首先給生成器一個隨機噪聲，使用它產(chǎn)生假圖像，然后將這些假圖像與原始圖像一起發(fā)送到鑒別器。

鑒別模型的任務是確定給定圖像看起來是自然的（來自數(shù)據(jù)集的圖像）還是人工創(chuàng)建的。這基本上是一個二元分類器，它采用普通卷積神經(jīng)網(wǎng)絡（CNN）的形式。生成器的任務是創(chuàng)建與原始數(shù)據(jù)分布類似的自然外觀圖像。

生成器試圖蒙騙鑒別器，而鑒別器試圖不被生成器蒙騙。當模型通過交替優(yōu)化訓練時，兩種方法都被改進到“假圖像與數(shù)據(jù)集圖像無”法區(qū)分的點。

生成對抗式網(wǎng)絡的數(shù)學方程：

使用 Gan 網(wǎng)絡生成名人照片

我們可以認為這個方程由兩部分組成，第一部分是從原始數(shù)據(jù)分布中采樣的數(shù)據(jù)，第二部分是從噪聲數(shù)據(jù)分布中采樣的數(shù)據(jù)。

第一部分

鑒別者總是希望最大化其圖像分類的正確率。這里的圖像是從原始數(shù)據(jù)分布中采樣的，原始數(shù)據(jù)分布是真實數(shù)據(jù)本身。D（x）是顯示圖像是真實的概率，所以鑒別器總是想要最大化 D（x），因此 log（D（x））應該最大化并且在這一部分內容中必須最大化。

第二部分

'z'是隨機噪聲樣本，G（z）是使用噪聲樣本生成的圖像。這個術語的解釋和之前很相似。生成器總是希望最大化鑒別器被生成的圖像蒙騙的概率。這意味著，生成器想要最大化 D（G（z）），因此它應該最小化 1-D（G（z））也意味著（1-D（G（z）））最小化。

使用 GANs 生成名人圖像

使用 Gan 網(wǎng)絡生成名人照片

名人圖片數(shù)據(jù)集：

CelebA 數(shù)據(jù)集是超過 200,000 個帶注釋的名人面部圖像的集合。因為在這個博客中，我只是想生成面孔所以我沒有考慮注釋。

1）獲取數(shù)據(jù)：

使用 Gan 網(wǎng)絡生成名人照片

我創(chuàng)建了 helper.py 文件，你可以通過該文件下載 CelebA 數(shù)據(jù)集圖像。在運行此代碼片段時，它將下載 CelebA 數(shù)據(jù)集。（源代碼鏈接如下）。

2）預處理圖像：

由于我僅在面部圖像上工作，為獲得良好的效果所以我將其調整到 28 * 28。我裁剪了圖像中不包含圖像部分的部分。

使用 Gan 網(wǎng)絡生成名人照片

由于生成式對抗網(wǎng)絡很難訓練（你可以查看此鏈接，以了解為什么生成式對抗網(wǎng)絡的訓練如此困難？）

為了獲得準確的結果，我們應該擁有一個良好的 GPU（4GB 或更高版本），通過運行此代碼片段，你可以了解是否使用自己的 GPU 安裝了 tensorflow。

使用 Gan 網(wǎng)絡生成名人照片

3）模型輸入和網(wǎng)絡結構

我將圖像的寬，高，channel 和噪聲參數(shù)作為模型的輸入，隨后生成器也會使用它們生成假圖像。

生成器結構：

使用 Gan 網(wǎng)絡生成名人照片

在解卷積層之后，生成器結構具有致密層和全連接層（除輸出層外每一層都有批量標準化，leaky ReLu 和 dropout）。生成器將隨機噪聲向量 z，之后把它重塑為 4D 形狀并把它傳遞給一系列上采樣層。每個上采樣層都代表一個轉置卷積運算，即反卷積運算。

所有轉置卷積的深度從 1024 一直減少到 3，它表示 RGB 彩色圖像。最后一層通過雙曲正切（tanh）函數(shù)輸出 28x28x3 張量。

鑒別器結構：

使用 Gan 網(wǎng)絡生成名人照片

鑒別器的工作是識別哪個圖像是真實的，哪個是假的。鑒別器也是具有批量歸一化、lekeay Relu 的 4 層 CNN（輸入層除外）。鑒別器接收輸出圖像（大小為 28 * 28 * 3）并對其進行卷積。最后，鑒別器使用 Logistic Sigmoid 函數(shù)顯示用于表示圖像是真或假的輸出概率。

當鑒別器看到圖像中的差異時，它將梯度信號發(fā)送到生成器，此信號從鑒別器流向生成器。

4）生成器損失和鑒別器損失：

鑒別器從訓練圖像和生成器兩者接收圖像，因此在計算鑒別器的損失時，我們必須增加由于真實圖像和假圖像造成的損失。兩個網(wǎng)絡被同時訓練，所以我們需要將生成器和鑒別器都進行優(yōu)化。如果圖像是真實的，我們希望從鑒別器輸出接近 1 的概率，如果圖像是假的，則輸出接近 0 的概率。

使用 Gan 網(wǎng)絡生成名人照片