GAN

GANとは敵対生成ネットワーク（Generative adversarial networks）の略語です。
敵対生成ネットワークとは具体的に言えば、教師なし学習で使われるAIアルゴリズムの一つです。
このアルゴリズムはよく画像データの処理に使われています。

～目次～

1.GANとは

2.メリットとデメリット

3.GANモデルが活用できるところ

1.GANとは

GANモデルは2014年にイアン・グッドフェローらによって発表されました。主に画像生成の分野において活躍しています。
このモデルは文字の通り敵対的なモジュールを二つ実装されているというイメージです。
その二つのモジュールはそれぞれG(Generator)とD(Discriminator)です。Gとは画像データ生成のネットワークです。Dとは画像データ判別のネットワークです。
アルゴリズムの中で、Gから生成された本物の写真データと似ているデータをDで本物の画像データであるかどうかを判断します。
このようにDから判断することで、生成の画像データをだんだん本物の画像データに近寄っています。
そのために生成されたものの精度が高まることができます。

2.メリットとデメリット

メリット：

1．生成と判断のアルゴリズムを備えているので、自ら生成された画像を判断でき、生成の精度が高いです
2．技術の更新により、GANモデルに基づいて、CGANとDCGANなどのモデルも存在しています。GANモデルの考え方は新しい画像生成アルゴリズムに良い考え方を提供していました。

デメリット：

1．他のAIと同じく、精度の高い生成結果を求めている場合は大量なデータが必要となります

3.GANモデルが活用できるところ

GANモデルは画像生成のモデルで、存在していない人やアニメキャラクターの画像の生成にもよく使われています。
こちらはあくまでもGANモデルに対するトライアルだと思います。実際現場においても活用できるところがあります。
AIにおける画像分析の場合、大量のデータが必要となります。普段AI導入が始まったばかりの段階では、データが少ないため精度の高い結果が出てくれません。
例えば工場におけるAIカメラで不良検出の装置を導入する場合、始まりの段階はデータが少ないために検出の精度は低い場合があります。そのためにデータを増やさないといけません。
GANモデルでは、少量のデータ基づいて、大量の本物データとほぼ同じのサンプルデータが生成することができます。
実際のデータと生成されたデータを一緒にトレーニングすることで、AIの精度が向上することができます。

▼レポート無料ダウンロード お申し込みはこちら▼