Generative Adversarial Networks (GAN) fikri 2014 yılında Ian Goodfellow’un bir partide arkadaşlarıyla yaptığı bir sohbet sırasında ortaya çıkmış ve hemen ardından makale olarak yayınlanmıştır. Yayınlanmasından sonra hızla popülerleşen bu makale 5 yılda 15000'den fazla atıf almış, bu alanda önemli konferanslarda yayınlanan makale sayısı ise yılda 500'ün üzerine çıkmıştır.
GAN Nedir Nasıl Çalışır :
GAN mimarileri sentetik görüntüler elde etmek için oluşturulmuş yapılardır. Bu yapılarda gerçek veri kümesinden alınan görüntüler sahte görüntüler oluşturulan(generator) model ile bu görüntüleri sentetik görüntülerden ayıran bir ayırıcı(discriminator) bir modelden oluşur. Bu modellerde discriminator kendini geliştirirken , generator ise kendini discriminator ile geliştirir . Bu oluşum ile generator daha iyi sentetik veri üretirken aynı zamanda discriminator ise bu görüntüleri daha iyi ayırt etmeye çalışır . Bu mimari sayesinde eş zamanlı olarak gelişerek daha iyi sonuçlar elde etmeyi başarır.
Mimarisi:
Çekişmeli Üretken Ağ (GAN),çekişmeli eğitim yoluyla aynı anda eğitilen Jeneratör ve Ayrımcı olmak üzere iki sinir ağından oluşur.
1.Jeneratör(Generator):
Bu ağ rastgele gürültüyü girdi olarak alır ve veri üretir (örneğin görüntüler). Amacı, gerçek verilere mümkün olduğunca yakın veri üretmektir.
2.Ayrımcı(Discriminator):
Bu ağ ise gerçek verileri ve Generator tarafından üretilen verileri girdi olarak alır ve ikisi arasında ayrım yapmaya çalışır.Verilen verilerin gerçek olma olasılığını verir
Burda konuyu toparlamak üzere kısa bir özet geçeceğim Generator görseleri üretmemize olanak sağlayan yapıdır Discriminator ise bu görselerin gerçek olma olasılığını verir örneğin modelimizi kulanarak bir görsel oluşturduk. Discriminator ağ bu görseliğin gerçek olma olasılığını 0.20 olarak belirledi Generator ağ ise daha gerçekci resimler üretmeye zorlanacak ve bu 2 ağın çekişmesi ortaya kusursuz insan yüzleri hayvan resimleri yani aklımıza gelebilecek tüm resimleri bu sayade kusursuza yakın şekile üretmeye olanak sağlar
GAN Nedir Nasıl Çalışır :
GAN mimarileri sentetik görüntüler elde etmek için oluşturulmuş yapılardır. Bu yapılarda gerçek veri kümesinden alınan görüntüler sahte görüntüler oluşturulan(generator) model ile bu görüntüleri sentetik görüntülerden ayıran bir ayırıcı(discriminator) bir modelden oluşur. Bu modellerde discriminator kendini geliştirirken , generator ise kendini discriminator ile geliştirir . Bu oluşum ile generator daha iyi sentetik veri üretirken aynı zamanda discriminator ise bu görüntüleri daha iyi ayırt etmeye çalışır . Bu mimari sayesinde eş zamanlı olarak gelişerek daha iyi sonuçlar elde etmeyi başarır.
Mimarisi:
Çekişmeli Üretken Ağ (GAN),çekişmeli eğitim yoluyla aynı anda eğitilen Jeneratör ve Ayrımcı olmak üzere iki sinir ağından oluşur.
1.Jeneratör(Generator):
Bu ağ rastgele gürültüyü girdi olarak alır ve veri üretir (örneğin görüntüler). Amacı, gerçek verilere mümkün olduğunca yakın veri üretmektir.
2.Ayrımcı(Discriminator):
Bu ağ ise gerçek verileri ve Generator tarafından üretilen verileri girdi olarak alır ve ikisi arasında ayrım yapmaya çalışır.Verilen verilerin gerçek olma olasılığını verir
Burda konuyu toparlamak üzere kısa bir özet geçeceğim Generator görseleri üretmemize olanak sağlayan yapıdır Discriminator ise bu görselerin gerçek olma olasılığını verir örneğin modelimizi kulanarak bir görsel oluşturduk. Discriminator ağ bu görseliğin gerçek olma olasılığını 0.20 olarak belirledi Generator ağ ise daha gerçekci resimler üretmeye zorlanacak ve bu 2 ağın çekişmesi ortaya kusursuz insan yüzleri hayvan resimleri yani aklımıza gelebilecek tüm resimleri bu sayade kusursuza yakın şekile üretmeye olanak sağlar