Transferring GANs Transferring GANsダウンロード

Transferring GANs

その他のソースコード

1.0.0

ダウンロード

限られたデータから生成されたGANを転送します

抽象的な：

Finetuningを使用して、前処理されたネットワークの知識を新しいドメインに転送することは、識別モデルに基づいたアプリケーションに広く使用されている実践です。私たちの知る限り、この慣行は生成的な深いネットワークのコンテキスト内で研究されていません。したがって、生成的な敵対的なネットワークを備えた画像生成に適用されるドメイン適応を研究します。ターゲットドメインサイズの影響、ソースとターゲットドメイン間の相対距離、条件GANの初期化など、ドメイン適応のいくつかの側面を評価します。我々の結果は、前処理されたネットワークからの知識を使用すると、収束時間を短縮することができ、特にターゲットデータが制限されている場合、生成された画像の品質を大幅に向上させることができることを示しています。これらの結論は、条件付けなしで訓練されたモデルが訓練された場合でも、条件付きGANのために描画できることを示します。また、我々の結果は、密度が多様性よりも重要である可能性があり、1つまたは少数の密にサンプリングされたクラスを持つデータセットは、ImagenetやPlaceなどの多様なデータセットよりも優れたソースモデルである可能性があることを示唆しています。

概要

依存
インストール
説明書
結果
参照
接触

依存

python2.7、numpy、scipy、nvidia gpu
Tensorflow：バージョンはもっと1.0（https://www.tensorflow.org/）である必要があります
データセット： LSUN-BEDROOM（http://lsun.cs.princeton.edu/2017/）またはデータセット

インストール

Tensorflowをインストールします
opencv

説明書

'git clone https://github.com/yaxingwang/transferring-gansを使用
現在のパスに「転送ガン」という名前の新しいフォルダーが入手し、「CD転送ガン」を使用してダウンロードされた新しいフォルダーを入力します
プレレインモデルGoogleドライバーをダウンロードします。 tencent qcloud
ダウンロードされていないダウンロードされたフォルダーが現在のフォルダーに、次に、「条件付き」、「無条件」の2つのフォルダーを含む新しいフォルダー「Transfer_Model」があります。
データセットをダウンロードするか、データセットを使用します。
私は一例を示しました、そしてあなたは同じ形でそれを作ることができます。
「python transfer_gan.py」を実行する
デフォルトの設定でコードを実行します。事前に守られたモデルは、パラメーター 'target_domain'を変更することでセレットすることができます
条件付きGAN条件付きモデルの使用に興味がある場合、パラメーターを設定するだけです 'acgan = true'

結果

前提条件のモデルを使用すると、高性能が得られるだけでなく、収束をすばやく付着させます。次の図では、条件付きおよび無条件の設定を示します。

参照

[1] Ishaan Gulrajani et。 Al、https://arxiv.org/abs/1704.00028、（https://github.com/igul222/improved_wgan_training) [コード]
[2]「2つのタイムスケールアップデートルールによって訓練されたGANSは、Martin Heusel et。 Al、https://arxiv.org/abs/1704.00028