Image generation using only a discriminator network with gradient norm penalty
Yalnızca ayırıcı ağ kullanarak gradyan büyüklüğü cezası ile görüntü üretimi
- Tez No: 772469
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE AKBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayarla görme, Evrişimli sinir ağları, Görüntü üretimi, Computer vision, Convolutional neural networks, Image production
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, daha önce Taplı (2021) tarafından önerilmiş olan sadece bir ayırıcı ağ ile görüntü üretme fikrini çeşitli iyileştirmeler ile genişletmektedir. Sözedilen yöntem, ayırıcı ağın çıktı puanlarını arttırarak başlangıçta saf gürültü olan görüntüleri yinelemeli şekilde günceller. Eğitim prosedürünü, şu yeni kayıp fonksiyonları kullanarak genişletmekteyiz: (i) toplam değişimsel kayıp, (ii) N-sınıflı ayırma (eğer sınıf etiketlerine erişilebiliyorsa) ve (iii) veri kümesindeki görüntüler için hesaplanan gradyan büyüklüğü cezası. Deneylerimiz gösteriyor ki, toplam değişimsel kayıp ve N-sınıflı ayırma üretim performansını önemli ölçüde değiştirmemesine rağmen, gradyan büyüklüğü cezası daha iyi görüntü üretimine ve daha hızlı yakınsamaya sahip olmasını sağlar. Bahsedilen üç değişikliği birleşik şekilde uygulamak ise en iyi sonuç çıktılarını oluşturur. Küçük bir evrişimli sinirsel ağ kullanarak MNIST veri kümesi üzerinde 25.26 FID puanına erişiyoruz. EMNIST ve Yale Face veri kümeleri üzerinde görüntü üretimi sonuçları ile belirsizlik kestirimi problemi için FashionMNIST, EMNIST ve KMNIST veri kümeleri üzerinde alınmış ekstra sonuçlar sunuyoruz.
Özet (Çeviri)
This thesis explores the idea of generating images using only a discriminator network by extending a previously proposed method (Tapli, 2021) in several ways. The base method works by iteratively updating the input image, which is pure noise at the beginning while increasing the discriminator's score. We extend the training procedure of the base network by adding the following new losses: (i) total variation, (ii) N-way classification (if labels are available), and (iii) gradient norm penalty on real examples. Our experiments show that while the total variation and N-way classification do not significantly improve the performance, the gradient norm penalty results in better generative examples and faster convergence. Combining all three modifications yield the best model. Using a small convolutional network, we achieve an FID score of 25.26 on the MNIST dataset. We demonstrate additional generation results on the EMNIST and Yale Face datasets and present scores for out-of-distribution detection on FashionMNIST, EMNIST, and KMNIST datasets.
Benzer Tezler
- Üretici yapay nöron ağlarının mimari tasarım için kullanılması
Architectural design with generative adversarial networks
MUKADDES UÇAR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Deep metric learning applied to crop classification from multi-spectral multi-temporal remote sensing data
Derin metrik öğrenmenin çoklu-zamanlı ve çoklu-bantlı uzaktan algılanmış verilerden tarım ürünü sınıflandırmaya uygulanması
MERVE BOZO
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Üretken ağlar ve uygulamaları
Generative networks and their applications
GAFFARİ ÇELİK
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH TALU
- Oyun karakteri üretimi için üretken modeller
Generative models for game character generation
FERDA GÜL AYDIN EMEKLİGİL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. İLKAY ÖKSÜZ
- Generative adversarial networks in computer vision applications
Bilgisayarli görü uygulamalarinda çekişmeli üretici ağlar
SEMİH ÖRNEK
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU