실전! GAN 프로젝트

텐서플로와 케라스를 이용한 차세대 생성적 적대 신경망 모델 구축

카일라쉬 아히르와 지음 | 박진수 옮김

위키북스 2023년 07월 10일 출간 종이책 : 2019년 11월 07일 출간

작품소개

책소개

생성적 적대 신경망(Generative Adversarial Networks, GAN)을 사용하면 어떤 데이터 분포이든지 모방할 수 있기 때문에, 이를 바탕으로 차세대 인공지능 모델을 구축할 수 있다. GAN은 다양한 머신러닝 분야 중에서도 급속히 발전하는 분야로, 주요 연구개발 작업이 GAN과 관련하여 이뤄지고 있다. 이 책에서는 비지도학습 기술을 사용해 일곱 가지 GAN 프로젝트를 처음부터 끝까지 구축해 본다.

이 책에서는 GAN 프로젝트를 진행할 때 프로젝트를 효율적으로 구축하는 데 필요한 개념과 도구 및 라이브러리부터 알아본다. 또, 서로 다른 프로젝트에서 다양한 데이터셋을 사용하며 각 장마다 요구되는 작업의 복잡도가 증가한다. 이 책에서는 3D-GAN, DCGAN, StackGAN, CycleGAN처럼 인기 있는 접근방식을 다루며, 이것들을 실제로 구현해 봄으로써 생성 모델의 아키텍처와 기능을 이해할 수 있게 하였다.

이 책을 마치고 나면 직장에서 맡은 일이나 자신이 진행하는 일과 관련하여 GAN 모델을 처음부터 끝까지 구축하고 훈련하고 최적화하는 능력을 지니게 될 것이다.

목차

▣ 01장: 생성적 적대 신경망 소개
GAN이란 무엇인가?
__생성기 신경망이란 무엇인가?
__판별기 신경망이란 무엇인가?
__GAN 내에서 서로 대적하며 훈련하기
실용적인 GAN 애플리케이션
상세한 GAN 아키텍처
__생성기 아키텍처
__판별기 아키텍처
__GAN과 관련된 중요한 개념
____쿨백-라이블러 발산
____옌센-섀넌 발산
____내시 균형
____목적 함수
__알고리즘 점수 매기기
____인셉션 점수
____프레셰 인셉션 거리
GAN의 변형
__DCGAN
__StackGAN
__CycleGAN
__3D-GAN
__Age-cGAN
__pix2pix
GAN의 이점
GAN 훈련 시 문제
__최빈값 붕괴
__경사 소멸
__내부 공변량 변화
GAN 훈련 시의 안정성 문제를 해결하기
__특징 정합
__미니배치 판별
__역사적 평균
__단측 레이블 평활화
__배치 정규화
__사례 정규화
요약

▣ 02장: 3D-GAN: GAN으로 형상을 만들기
3D-GAN 소개
__3차원 합성곱
__3D-GAN 아키텍처
____생성기 신경망 아키텍처
____판별기 신경망 아키텍처
__목적 함수
__3D-GAN 훈련
프로젝트 구성
데이터 준비
__데이터셋을 내려받아 압축을 풀기
__데이터셋 탐색
____복셀이란?
____3차원 이미지 적재와 시각화
____3차원 이미지 시각화
3D-GAN의 케라스 구현
__생성기 신경망
__판별기 신경망
3D-GAN 훈련
__신경망 훈련
__모델 저장
__모델 테스트
__손실 시각화
__그래프 시각화
하이퍼파라미터 최적화
실용적인 3D-GAN 애플리케이션
요약

▣ 03장: cGAN으로 하는 얼굴 노화
얼굴 노화 처리용 cGAN 소개
__cGAN을 이해하기
__Age-cGAN의 아키텍처
____인코더 신경망
____생성기 신경망
____판별기 신경망
____얼굴 인식 신경망
__Age-cGAN의 훈련 단계
____cGAN 훈련
____초기 잠재 벡터 근사
____잠재 벡터 최적화
프로젝트 구성
데이터 준비
__데이터셋 내려받기
__데이터셋의 압축을 풀기
Age-cGAN의 케라스 구현
__인코더 신경망
__생성기 신경망
__판별기 신경망
cGAN 훈련
__cGAN을 훈련하기
__초기 잠재 벡터 근사
__잠재 벡터 최적화
__손실 시각화
__그래프 시각화
실용적인 Age-cGAN 애플리케이션
요약

▣ 04장: DCGAN으로 애니메이션 캐릭터를 생성
DCGAN 소개
__DCGAN의 아키텍처를 자세히 살펴보기
____생성기 신경망을 구성하기
____판별기 신경망 구성
프로젝트 구성
애니메이션 캐릭터 데이터셋을 내려받아 준비하기
__데이터셋 내려받기
__데이터셋 탐색
__데이터셋에서 이미지를 잘라내고 크기를 조절하기
케라스로 DCGAN을 구현하기
__생성기
__판별기
DCGAN 훈련
__표본 적재
__신경망을 빌드하고 컴파일하기
__판별기 신경망 훈련
__생성기 신경망 훈련
__이미지 생성
__모델 저장
__생성 이미지 시각화
__손실 시각화
__그래프 시각화
__하이퍼파라미터 조율
실용적인 DCGAN 애플리케이션
요약

▣ 05장: SRGAN으로 사진 같은 이미지를 생성하기
SRGAN 소개
__SRGAN의 아키텍처
____생성기 신경망 아키텍처
____판별기 신경망 아키텍처
__목적 함수 훈련
____내용 손실
____적대 손실
프로젝트 구성
CelebA 데이터셋 내려받기
케라스로 구현하는 SRGAN
__생성기 신경망
__판별기 신경망
__VGG19 신경망
__적대 신경망
SRGAN 훈련
__신경망 구축과 컴파일
__판별기 신경망 훈련
__생성기 신경망 훈련
__모델 저장
__생성 이미지 시각화
__손실 시각화
__그래프 시각화
실용적인 SRGAN 애플리케이션
요약

▣ 06장: StackGAN: 글을 바탕으로 사진 같은 이미지로 합성하기
StackGAN 소개
StackGAN 아키텍처
__텍스트 인코더 신경망
__조건화 확대 블록
____조건화 확대 변수 획득
__Stage-I
____생성기 신경망
____판별기 신경망
____StackGAN의 Stage-I에 사용되는 손실
__Stack-II
____생성기 신경망
____판별기 신경망
____StackGAN의 Stage-II에 사용되는 손실
프로젝트 구성
데이터 준비
__데이터셋 내려받기
__데이터셋의 압축을 풀기
__데이터셋 탐색
StackGAN의 케라스 구현
__Stage-I
____텍스트 인코더 신경망
____조건부 확장 신경망
____생성기 신경망
____판별기 신경망
____적대 모델
__Stage-II
____생성기 신경망
____판별기 신경망
StackGAN 훈련
__Stage-I StackGAN 훈련
____데이터셋 적재
____모델 만들기
____모델 훈련
__Stage-II StackGAN 훈련
____데이터셋 적재
____모델 만들기
____모델 훈련
__생성된 이미지 시각화
__손실 시각화
__그래프 시각화
실용적인 StackGAN 애플리케이션
요약

▣ 07장: CycleGAN: 그림을 사진으로 바꾸기
CycleGAN 소개
__CycleGAN의 아키텍처
____생성기의 아키텍처
____판별기의 아키텍처
__목적 함수 훈련
____적대 손실
____순환 일치성 손실
____완전 목적 함수
프로젝트 구성
데이터셋 내려받기
CycleGAN의 케라스 구현
__생성기 신경망
__판별기 신경망
CycleGAN 훈련
__데이터셋 적재
__신경망 구축과 컴파일
____적대 신경망을 만들어 컴파일하기
__훈련 개시
____판별기 신경망 훈련
____적대 신경망 훈련
__모델 저장
__생성 이미지 시각화
__손실 시각화
__그래프 시각화
실용적인 CycleGAN 애플리케이션
요약
더 읽어 볼 만한 것

▣ 08장: cGAN: 조건부 GAN을 사용한 이미지 대 이미지 변환
pix2pix 소개
__pix2pix 아키텍처
____생성기 신경망
____판별기 신경망
__훈련 목적 함수
프로젝트 구성
데이터 준비
__이미지 시각화
pix2pix의 케라스 구현
__생성기 신경망
__판별기 신경망
__적대 신경망
pix2pix 신경망 훈련
__모델 저장
__생성된 이미지를 시각화하기
__손실 시각화
__그래프 시각화
실용적인 pix2pix 신경망 애플리케이션
요약

▣ 09장: GAN의 미래 예측
GAN의 미래 예측
__기존 딥러닝 방법 개선
__상용 GAN 애플리케이션의 발전
__GAN 훈련 과정의 성숙
GAN의 향후 응용 가능성
__텍스트 기반 인포그래픽 생성
__웹 사이트 디자인 생성
__데이터 압축
__약물 발견과 개발
__텍스트 생성
__음악 생성
GAN 탐색
요약

출판사 서평

★ 이 책에서 다루는 내용 ★
◎ 3D ShapeNet이라고 부르는 데이터셋을 사용해 신경망을 훈련해 진짜 같은 형상을 생성하게 해 본다.
◎ DCGAN을 케라스로 구현해 애니메이션 캐릭터를 생성하게 해 본다.
◎ SRGAN 신경망을 구현해 고해상도 이미지를 생성하게 해 본다.
◎ 위키에서 따낸 사진으로 Age-cGAN을 훈련해 사람이 나이를 먹어도 신경망이 그 사람의 얼굴을 잘 알아볼 수 있게 한다.
◎ 조건부 GAN을 사용해 신경망이 영상을 또 다른 영상으로 변환하게 해 본다.
◎ StackGAN에 쓰이는 생성기와 판별기를 케라스로 구현하며 이해한다.

작가정보

저자(글) 카일라쉬 아히르와

카일라쉬 아히르와는 기계학습 및 심층학습 애호가이다. 자연 언어 처리 및 컴퓨터 비전에서부터 GAN을 사용한 생성 모델링에 이르기까지 인공지능과 관련된 여러 분야에서 근무했다. 메이트 랩(Mate Lab)의 공동 창립자이자 CTO이다. GAN을 사용하여 그림을 사진으로 바꾼다거나 질감을 나타내는 조각을 사용해 심층 이미지 합성을 제어하는 등으로 다양한 모델을 만든다. 인공일반지능(AGI) 구현을 아주 낙관적으로 전망하며 인공지능(AI)이 인간 진화의 주역이 될 것이라고 믿는다.

번역 박진수

다양한 개발, 저술, 번역 경험을 바탕으로 다양한 IT 융복합 사업을 전개하기를 바라며 1인 기업으로 발판을 다지고 있다. 번역한 책으로 《실전 예제로 배우는 GAN》 《전문가를 위한 머신러닝 솔루션》 《딥러닝 모델 설계를 떠받치는 기술》 《따라 하면서 배우는 유니티 ML-Agents》가 있다.