« Réseaux antagonistes génératifs » : différence entre les versions
Contenu supprimé Contenu ajouté
infobox méthode scientifique |
j'ai fais une note pour dire que les gan sont entrainé avec des label donc -> les gan est une méthode supervisé ( même si pas totalement) Balises : Répétition de caractères Éditeur visuel |
||
Ligne 3 :
[[Fichier:Woman 1.jpg|vignette|Image générée par le réseau adverse génératif StyleGAN, en se basant sur une analyse de portraits. L'image ressemble fortement à une photographie d'une vraie personne.]]
En [[intelligence artificielle]], les '''réseaux adverses génératifs''' (en anglais '''generative adversarial networks''' ou '''GANs''') sont une classe d'algorithmes d'[[apprentissage non-supervisé]] (on ne peut pas vraiment dire ça car la phase d'apprentissage comprend des labels !!!!!!!!!!!). Ces algorithmes ont été introduits par {{harvsp|texte=Goodfellow {{et al.}} 2014|id=Goodfellows2014}}. Ils permettent de générer des images avec un fort degré de réalisme.
Un GAN est un [[modèle génératif]] où deux réseaux sont placés en compétition dans un scénario de [[théorie des jeux]]<ref name=GBC690>[[#GBC2016|Goodfellow, Bengio, Courville (2016), {{p.}}690]]</ref>. Le premier réseau est le générateur, il génère un échantillon (ex. une image), tandis que son adversaire, le discriminateur essaie de détecter si un échantillon est réel ou bien s'il est le résultat du générateur. L'apprentissage peut être modélisé comme un [[jeu à somme nulle]]<ref name=GBC690/>.
| |||