6. 발전된 CNN
발전된 CNN을 알아볼까요?
가. GAN (적대적 생성 신경망)
적대적 생성 신경망은 생성자(Generator)와 판별자(Discriminator)의 역할을 하는 두 개의 모델로 구성되어 있는데 생성자는 위조지폐를 만들어내는 범죄자이고 판별자는 위조지폐를 구분해 내는 경찰입니다. 위조지폐범은 진짜와 가짜를 구분할 수 없게 점점 정교하게 만들어가는 것이 목적이고 경찰은 점점 정확하게 진짜와 가짜를 구분하는 것이 목적입니다. 따라서 위조 지폐범은 경쟁을 통해 점점 진화하여 결과적으로 경찰이 진짜 지폐를 찾아낼 확률이 0.5로 수렴한다는 것입니다.
(김상록, 준 지도학습기반 이미지 분류를 위한 적대적 이미지 생성 모델 구축)
나. DCGA(Deep Convolution GANN)
기존의 GAN의 경우 MNIST와 같이 단순한 이미지는 괜찮은 이미지를 생성했지만 고차원의 이미지는 잘 다루지 못합니다. 또한 모델을 학습하는 과정이 불안정한 문제가 있었습니다. GAN은 생성자와 판별자가 대결하여 학습하는 구도인 만큼 생성자와 판별자의 실력이 차이가 나는 경우 훈련이 치우쳐져 성능에 제약이 생깁니다.
어이러한 GAN의 한계를 보완하기 위하여 합성곱 신경망을 GAN에 적용하였습니다. 이미지의 특징을 찾아내 효과적인 학습을 가능하게 하는 CNN이 GAN과 결합한 형태인 DCGAN은 GAN의 많은 문제점을 극복하였고 더 완벽한 가짜 데이터를 만들어 낼 수 있게 됩니다.
다. GAN의 발전
1) 이미지 생성과정
2) 필터
3) 윗줄은 사진의 원본이며 아랫줄은 창문제거하기 필터를 제거한 경우입니다.
