- Le GAN (Generative Adversarial Networks) consistono in due reti neurali che competono in un gioco a somma zero: una genera immagini verosimili (generatore), l’altra cerca di distinguere queste immagini da quelle reali (discriminatore). L’obiettivo è produrre immagini indistinguibili da quelle reali, utili per la data augmentation nel deep learning, per evitare l’overfitting.
- Le GAN sono utilizzate per vari scopi, tra cui la produzione di nuove immagini per dataset, la traduzione tra immagini e testo, la modifica e la generazione di fotografie realistiche, il ripristino di immagini danneggiate, l’invecchiamento dei volti, la previsione dei fotogrammi video e la generazione di oggetti 3D.
- Esistono diversi modelli di GAN, ognuno con specifiche caratteristiche e applicazioni e ognuno di questi modelli introduce variazioni nel modo in cui i generatori e i discriminatori operano e interagiscono.
Approfondimenti
GAN: cos’è una Generative Adversarial Network e come si usa
Una GAN è composta da due reti neurali che si allenano insieme e si ottimizzano a vicenda, per creare immagini fake indistinguibili da quelle reali. Come funziona, quali sono i diversi tipi e perché può aiutare a migliorare l’apprendimento profondo
Pubblicato il 1 set 2022
Josephine Condemi
giornalista
