GAN 구조 개요

GAN(Generative Adversarial Network)은 생성 모델의 한 종류로, Generator(생성기)와 Discriminator(판별기) 두 개의 모델이 경쟁하면서 학습하는 구조를 가지고 있습니다.

GAN은 일반적으로 다음과 같은 구조로 이루어져 있습니다:

 

1. Generator(생성기)

• 랜덤 벡터(노이즈)를 입력으로 받아 가짜 데이터를 생성하는 모델입니다.
• 일반적으로 딥러닝 모델(Convolutional Neural Network)을 사용합니다.
• 생성된 데이터는 Discriminator를 속이기 위해 실제 데이터와 유사한 분포를 갖도록 학습됩니다.

2. Discriminator(판별기)

• 실제 데이터와 생성된 데이터를 입력으로 받아 이를 구분하는 이진 분류기입니다.
• 일반적으로 딥러닝 모델(Convolutional Neural Network)을 사용합니다.
• Discriminator는 생성기가 생성한 가짜 데이터를 실제 데이터와 구분하기 위해 학습됩니다.

GAN은 이러한 생성기와 판별기를 학습시키는 것이 목적입니다. Generator는 Discriminator를 속이기 위해 더 실제같은 가짜 데이터를 생성하고, Discriminator는 Generator가 생성한 가짜 데이터와 실제 데이터를 잘 구분하기 위해 학습됩니다. 이러한 경쟁 과정을 통해, 생성기와 판별기는 서로를 발전시키면서 더 실제같은 데이터를 생성하거나, 더 정확한 판별을 수행하도록 학습됩니다.

GAN은 높은 품질의 이미지, 음악, 텍스트 등을 생성하는 등 다양한 분야에서 활용되고 있습니다.

 

학습이 시작되면 생성기가 명백하게 가짜 데이터를 생성하고 분류자는 이 데이터가 거짓임을 빠르게 학습합니다.

 

 

학습이 진행됨에 따라 생성기는 판별자를 속일 수 있는 출력을 생성하는 데 더 가까워집니다.

 

 

마지막으로 생성기 학습이 잘되면 판별자가 진실과 거짓 사이의 차이점을 더 잘 알게 됩니다. 가짜 데이터를 실제 분류로 분류하기 시작하며 정확성이 낮아집니다.

 

 

다음은 전체 시스템 그림입니다.

 

 

 

 

생성기와 구분자는 모두 신경망입니다. 생성기 출력은 판별자 입력에 직접 연결됩니다. 분류기 분류는 역전파를 통해 생성기가 가중치를 업데이트하는 데 사용하는 신호를 제공합니다.