馬をシマウマに!顔の同期で学ぶCycleGAN
What you'll learn
- 敵対的生成ネットワーク・GANモデルの応用技術について
- ドメイン変換(スタイル変換)の意味
- 生成器(Genarator)と識別器(Discriminator)の仕組み
- ResNet (残差ネットワーク)の仕組み
- 敵対的損失・循環一貫性損失・自己同一性損失の違い
- CycleGANでの動画の作成手順
- 少ないデータでの学習方法(Instancen Normalizationの利用)
Requirements
- 「条件付の手書数字を生成しよう。Conditional GANで学ぶ生成モデル」の併用でGANの基礎を理解できます。
- 『習うより慣れよう Visual AI さわって覚える人工知能「ディープラーニング編」』 を受講していると画像処理の概念がわかりやすいです。
- スマホ動画をパソコンに取り込むことができる方は、最後のレクチャーを楽しめます。
Description
敵対的生成ネットワークGANの派生であるCycleGANを使って別の画像を生成するドメイン変換モデルの概要を学び、実際にコードを書いてGANネットワークモデルを学習させてみます。データサイエンス初心者にもわかりやすいように、実行結果やソースコードも公開しています。
また、画像認識で最も人気の高いResidual Network (ResNet)についても図解とコードで解説しています。
ディープフェイクはCycleGANのアルゴリズムに更に多くの手を加えてチューニングされていますが、このコースではシンプルなモデルで再現してみました。
PythonコードとPyTorchフレームワークで解説していきます。(コードの教材付)
Who this course is for:
- 人工知能に興味のある方
- ディープラーニングによる画像認識の次を勉強したい方
- GANに興味のある方
Instructor
JDLA(日本ディープラーニング協会)認定 E資格取得
AIというと「研究所」で行うものに感じますが一般人は扱えないのでしょうか?そういった疑問から当コースでは「パソコン」を使ってどこまで再現できるのか、会社や学校、個人教育向けに挑戦してみることにしました。紙と鉛筆のレベルから「手で触れる」AIを体感してみましょう。
今はフレームワークもあり、ネット上のサンプルを実行すれば簡単に結果を得られますが、ひとたび実用化を計ろうとするとすると、たちまち使い物にならなくなります。しかし機械学習がどのような理屈で動いているのか知っていれば、プログラムを加筆修正することができます。
途中で分からなくなってきたときは...
人工知能・機械学習初心者の方は、以下の順序でコースを受講していただくと分かりやすいと思います。イラストを多めに用いた解説を行っています。
画像認識(ディープラーニング)
習うより慣れよう Visual AI さわって覚える人工知能「ディープラーニング編」
ニューラルネットワークを大量の絵を使ってわかるように解説しています。紙と鉛筆で計算できるようになります。
↓
GAN(生成モデル)
条件付の手書数字を生成しよう。Conditional GANで学ぶ生成モデル
初級~中級です。その後、CycleGANやStyleGANに進むとわかりやすいと思います。
↓
自然言語処理
AI機械翻訳(付録:日本語対応ソースコード付)
まずはRNN(再帰型ニューラルネットワーク)で自然言語処理を身に着けておきましょう。