추가 적립 안내

파이썬 생태계를 사용하는 다양한 생성적 적대 신경망 아키텍처를 탐구해 본다!

생성적 적대 신경망(Generative Adversarial Networks, GAN)을 사용하면 어떤 데이터 분포이든지 모방할 수 있기 때문에, 이를 바탕으로 차세대 인공지능 모델을 구축할 수 있다. GAN은 다양한 머신러닝 분야 중에서도 급속히 발전하는 분야로, 주요 연구개발 작업이 GAN과 관련하여 이뤄지고 있다. 이 책에서는 비지도학습 기술을 사용해 일곱 가지 GAN 프로젝트를 처음부터 끝까지 구축해 본다.

이 책에서는 GAN 프로젝트를 진행할 때 프로젝트를 효율적으로 구축하는 데 필요한 개념과 도구 및 라이브러리부터 알아본다. 또, 서로 다른 프로젝트에서 다양한 데이터셋을 사용하며 각 장마다 요구되는 작업의 복잡도가 증가한다. 이 책에서는 3D-GAN, DCGAN, StackGAN, CycleGAN처럼 인기 있는 접근방식을 다루며, 이것들을 실제로 구현해 봄으로써 생성 모델의 아키텍처와 기능을 이해할 수 있게 하였다.

이 책을 마치고 나면 직장에서 맡은 일이나 자신이 진행하는 일과 관련하여 GAN 모델을 처음부터 끝까지 구축하고 훈련하고 최적화하는 능력을 지니게 될 것이다.

★ 이 책에서 다루는 내용 ★
◎ 3D ShapeNet이라고 부르는 데이터셋을 사용해 신경망을 훈련해 진짜 같은 형상을 생성하게 해 본다.
◎ DCGAN을 케라스로 구현해 애니메이션 캐릭터를 생성하게 해 본다.
◎ SRGAN 신경망을 구현해 고해상도 이미지를 생성하게 해 본다.
◎ 위키에서 따낸 사진으로 Age-cGAN을 훈련해 사람이 나이를 먹어도 신경망이 그 사람의 얼굴을 잘 알아볼 수 있게 한다.
◎ 조건부 GAN을 사용해 신경망이 영상을 또 다른 영상으로 변환하게 해 본다.
◎ StackGAN에 쓰이는 생성기와 판별기를 케라스로 구현하며 이해한다.

▣ 01장: 생성적 적대 신경망 소개
GAN이란 무엇인가?
__생성기 신경망이란 무엇인가?
__판별기 신경망이란 무엇인가?
__GAN 내에서 서로 대적하며 훈련하기
실용적인 GAN 애플리케이션
상세한 GAN 아키텍처
__생성기 아키텍처
__판별기 아키텍처
__GAN과 관련된 중요한 개념
____쿨백-라이블러 발산
____옌센-섀넌 발산
____내시 균형
____목적 함수
__알고리즘 점수 매기기
____인셉션 점수
____프레셰 인셉션 거리
GAN의 변형
__DCGAN
__StackGAN
__CycleGAN
__3D-GAN
__Age-cGAN
__pix2pix
GAN의 이점
GAN 훈련 시 문제
__최빈값 붕괴
__경사 소멸
__내부 공변량 변화
GAN 훈련 시의 안정성 문제를 해결하기
__특징 정합
__미니배치 판별
__역사적 평균
__단측 레이블 평활화
__배치 정규화
__사례 정규화
요약

▣ 02장: 3D-GAN: GAN으로 형상을 만들기
3D-GAN 소개
__3차원 합성곱
__3D-GAN 아키텍처
____생성기 신경망 아키텍처
____판별기 신경망 아키텍처
__목적 함수
__3D-GAN 훈련
프로젝트 구성
데이터 준비
__데이터셋을 내려받아 압축을 풀기
__데이터셋 탐색
____복셀이란?
____3차원 이미지 적재와 시각화
____3차원 이미지 시각화
3D-GAN의 케라스 구현
__생성기 신경망
__판별기 신경망
3D-GAN 훈련
__신경망 훈련
__모델 저장
__모델 테스트
__손실 시각화
__그래프 시각화
하이퍼파라미터 최적화
실용적인 3D-GAN 애플리케이션
요약

▣ 03장: cGAN으로 하는 얼굴 노화
얼굴 노화 처리용 cGAN 소개
__cGAN을 이해하기
__Age-cGAN의 아키텍처
____인코더 신경망
____생성기 신경망
____판별기 신경망
____얼굴 인식 신경망
__Age-cGAN의 훈련 단계
____cGAN 훈련
____초기 잠재 벡터 근사
____잠재 벡터 최적화
프로젝트 구성
데이터 준비
__데이터셋 내려받기
__데이터셋의 압축을 풀기
Age-cGAN의 케라스 구현
__인코더 신경망
__생성기 신경망
__판별기 신경망
cGAN 훈련
__cGAN을 훈련하기
__초기 잠재 벡터 근사
__잠재 벡터 최적화
__손실 시각화
__그래프 시각화
실용적인 Age-cGAN 애플리케이션
요약

▣ 04장: DCGAN으로 애니메이션 캐릭터를 생성
DCGAN 소개
__DCGAN의 아키텍처를 자세히 살펴보기
____생성기 신경망을 구성하기
____판별기 신경망 구성
프로젝트 구성
애니메이션 캐릭터 데이터셋을 내려받아 준비하기
__데이터셋 내려받기
__데이터셋 탐색
__데이터셋에서 이미지를 잘라내고 크기를 조절하기
케라스로 DCGAN을 구현하기
__생성기
__판별기
DCGAN 훈련
__표본 적재
__신경망을 빌드하고 컴파일하기
__판별기 신경망 훈련
__생성기 신경망 훈련
__이미지 생성
__모델 저장
__생성 이미지 시각화
__손실 시각화
__그래프 시각화
__하이퍼파라미터 조율
실용적인 DCGAN 애플리케이션
요약

▣ 05장: SRGAN으로 사진 같은 이미지를 생성하기
SRGAN 소개
__SRGAN의 아키텍처
____생성기 신경망 아키텍처
____판별기 신경망 아키텍처
__목적 함수 훈련
____내용 손실
____적대 손실
프로젝트 구성
CelebA 데이터셋 내려받기
케라스로 구현하는 SRGAN
__생성기 신경망
__판별기 신경망
__VGG19 신경망
__적대 신경망
SRGAN 훈련
__신경망 구축과 컴파일
__판별기 신경망 훈련
__생성기 신경망 훈련
__모델 저장
__생성 이미지 시각화
__손실 시각화
__그래프 시각화
실용적인 SRGAN 애플리케이션
요약

▣ 06장: StackGAN: 글을 바탕으로 사진 같은 이미지로 합성하기
StackGAN 소개
StackGAN 아키텍처
__텍스트 인코더 신경망
__조건화 확대 블록
____조건화 확대 변수 획득
__Stage-I
____생성기 신경망
____판별기 신경망
____StackGAN의 Stage-I에 사용되는 손실
__Stack-II
____생성기 신경망
____판별기 신경망
____StackGAN의 Stage-II에 사용되는 손실
프로젝트 구성
데이터 준비
__데이터셋 내려받기
__데이터셋의 압축을 풀기
__데이터셋 탐색
StackGAN의 케라스 구현
__Stage-I
____텍스트 인코더 신경망
____조건부 확장 신경망
____생성기 신경망
____판별기 신경망
____적대 모델
__Stage-II
____생성기 신경망
____판별기 신경망
StackGAN 훈련
__Stage-I StackGAN 훈련
____데이터셋 적재
____모델 만들기
____모델 훈련
__Stage-II StackGAN 훈련
____데이터셋 적재
____모델 만들기
____모델 훈련
__생성된 이미지 시각화
__손실 시각화
__그래프 시각화
실용적인 StackGAN 애플리케이션
요약

▣ 07장: CycleGAN: 그림을 사진으로 바꾸기
CycleGAN 소개
__CycleGAN의 아키텍처
____생성기의 아키텍처
____판별기의 아키텍처
__목적 함수 훈련
____적대 손실
____순환 일치성 손실
____완전 목적 함수
프로젝트 구성
데이터셋 내려받기
CycleGAN의 케라스 구현
__생성기 신경망
__판별기 신경망
CycleGAN 훈련
__데이터셋 적재
__신경망 구축과 컴파일
____적대 신경망을 만들어 컴파일하기
__훈련 개시
____판별기 신경망 훈련
____적대 신경망 훈련
__모델 저장
__생성 이미지 시각화
__손실 시각화
__그래프 시각화
실용적인 CycleGAN 애플리케이션
요약
더 읽어 볼 만한 것

▣ 08장: cGAN: 조건부 GAN을 사용한 이미지 대 이미지 변환
pix2pix 소개
__pix2pix 아키텍처
____생성기 신경망
____판별기 신경망
__훈련 목적 함수
프로젝트 구성
데이터 준비
__이미지 시각화
pix2pix의 케라스 구현
__생성기 신경망
__판별기 신경망
__적대 신경망
pix2pix 신경망 훈련
__모델 저장
__생성된 이미지를 시각화하기
__손실 시각화
__그래프 시각화
실용적인 pix2pix 신경망 애플리케이션
요약

▣ 09장: GAN의 미래 예측
GAN의 미래 예측
__기존 딥러닝 방법 개선
__상용 GAN 애플리케이션의 발전
__GAN 훈련 과정의 성숙
GAN의 향후 응용 가능성
__텍스트 기반 인포그래픽 생성
__웹 사이트 디자인 생성
__데이터 압축
__약물 발견과 개발
__텍스트 생성
__음악 생성
GAN 탐색
요약