DigitGenerator GAN

DigitGenerator-GAN

導入

このリポジトリには、MNIST データセットでトレーニングされた、現実的な偽の手書き数字を生成するように設計された敵対的生成ネットワーク (GAN) プロジェクトを作成するためのコードが含まれています。MNIST データセットは、70,000 枚の手書き数字のよく知られたコレクションであり、さまざまな画像のトレーニングに一般的に使用されます。処理システム。 GAN の力を活用することで、このプロジェクトは、MNIST データセットにあるものによく似た高品質の合成手書き数字を作成することを目的としています。

主な特長

• 敵対的生成ネットワーク アーキテクチャ:ジェネレーターとディスクリミネーターで構成される GAN フレームワークを利用します。ジェネレーターは偽の数字画像を作成し、ディスクリミネーターはその真正性を評価します。
• MNIST データセット: MNIST データセットでトレーニングされ、生成された数字がさまざまな手書きスタイルを表現していることを確認します。
• 高品質の合成数字:データ拡張、数字認識研究、芸術目的など、さまざまなアプリケーションに使用できる手書き数字のリアルで高品質な画像を生成します。
• トレーニングと評価: GAN のトレーニング、パフォーマンスの監視、生成された画像の品質の評価のためのスクリプトが含まれています。

目的

• リアルな手書き数字の生成:本物と見分けがつかない高忠実度の手書き数字を生成できるモデルを開発します。
• データ拡張の強化:他の機械学習モデルをトレーニングするための追加の合成データを提供し、堅牢性と精度を向上させます。
• GAN の機能を探索する:高品質の画像を生成し、生成モデルの分野の進歩に貢献する GAN の可能性を調査します。

使用法

Colab ノートブックの実行

Colab ノートブックを効率的に実行するには、GPU を使用することをお勧めします。次の手順に従います。

1. Google Colab でノートブックを開きます。
2. Runtime > Change runtime typeに移動します。
3. Hardware acceleratorでGPUを選択し、 Saveをクリックします。
4. 右上隅のConnectクリックし、 Connect to hosted runtimeを選択します。
5. ノートブック内の各セルを順番に実行します。

依存関係

• TensorFlow
• TensorFlow GAN
• TensorFlow データセット
• マットプロットリブ
• ナムピー

GAN のトレーニング

1. ノートブック セルを実行して入力パイプラインをセットアップし、ジェネレーターとディスクリミネーターのネットワークを構築し、GAN をトレーニングします。
2. トレーニングの進行状況を監視し、生成された画像を評価します。

注記

• このリポジトリは、教育目的で GAN の簡略化された実装を提供します。
• 実際のアプリケーションでは、調整と最適化が必要になる場合があります。

貢献する

貢献は大歓迎です!機能拡張やバグ修正については、リポジトリをフォークしてプル リクエストを送信してください。

ライセンス

このプロジェクトは MIT ライセンスに基づいてライセンスされています。