Réseaux Contradictoires Génératifs : Concepts et applications du GAN

Abstract

L'apprentissage automatique est un domaine en pleine croissance qui révolutionne les programmes informatiques en offrant aux systèmes la capacité d'apprendre et de s'améliorer automatiquement à partir de l'expérience. Dans la plupart des cas, le processus de formation commence par l'extraction des échantillons à partir de données. Les données sont un facteur clé pour les algorithmes d'apprentissage automatique, sans données, les algorithmes ne fonctionneront pas. L'idée est d'utiliser des réseaux antagonistes génératifs pour générer des images synthétiques similaires à la vérité sur terrain, et ainsi élargir un ensemble de données. Les algorithmes de cette intelligence artificielle appelée ont d’abord été entraînés à partir d’une base de données contenant des photos de personnalités. Deux réseaux neuronaux en compétition qui vont alors se former l’un l’autre (Générative Adversial Networks). Un réseau créé des contrefaçons, l’autre essaye de les identifier. Mais le plus intéressant advient quand les deux réseaux travaillent conjointement. Ensemble, ils parviennent à produire des contrefaçons plus impressionnantes non seulement de visages, mais aussi des chiffres. Certains des paramètres et attributs qui peuvent être ajustables sont des traits humains tels que le sexe, l'âge, le type d'émotion, les nombreuses poses de la tête, l'origine ethnique, la tonicité de la peau, la couleur des cheveux, le type d'accessoires portés (tels qu’une casquette ou des lunettes de soleil), et bien plus encore. En rendant tous ces personnages variables avec le réseau antagoniste génératif que vous construisez, de nombreuses variations sont possibles.