Обзор структуры GAN

Генеративно-состязательная сеть (GAN) состоит из двух частей:

• Генератор учится генерировать правдоподобные данные. Сгенерированные экземпляры становятся отрицательными обучающими примерами для дискриминатора.
• Дискриминатор учится отличать поддельные данные генератора от реальных данных. Дискриминатор наказывает генератор за получение неправдоподобных результатов.

Когда начинается обучение, генератор выдает явно фальшивые данные, и дискриминатор быстро учится определять, что это фейковые:

По мере обучения генератор приближается к выдаче выходных данных, которые могут обмануть дискриминатор:

Наконец, если обучение генератора проходит хорошо, дискриминатор становится хуже отличать настоящее от поддельного. Он начинает классифицировать фейковые данные как настоящие, и их точность снижается.

Вот изображение всей системы:

И генератор, и дискриминатор представляют собой нейронные сети. Выход генератора подключен непосредственно к входу дискриминатора. Посредством обратного распространения ошибки классификация дискриминатора предоставляет сигнал, который генератор использует для обновления своих весов.

Поясним детали этой системы более подробно.