Hello Data

저번 DCGAN 논문 리뷰에 이은 코드 실습입니다. 원래 코드는 1주일 전부터 만들었는데 결과가 너무 안좋아서 여러 시도 끝에 그나마 괜찮은 결과 얻어서 지금에야 올립니다.. https://keepgoingrunner.tistory.com/10 비전공생의 DCGAN$Deep Convolutional Generative Adversarial Networks, 2016$ 논문 리뷰 지난번 GAN에 이은 두번째 논문 리뷰이다. DCGAN을 코드로 구현해본 적 있는데 GAN이 MLP로 이미지를 생성했다면 DCGAN은 CNN을 이용해 이미지를 생성한 것이 가장 큰 특징이다. GAN 논문을 읽을 때도 익 keepgoingrunner.tistory.com 전체 코드는 아래 들어가시면 볼 수 있습니다. https://..

지난번 GAN에 이은 두번째 논문 리뷰이다. DCGAN을 코드로 구현해본 적 있는데 GAN이 MLP로 이미지를 생성했다면 DCGAN은 CNN을 이용해 이미지를 생성한 것이 가장 큰 특징이다. GAN 논문을 읽을 때도 익숙한 내용이지만 수식을 이해하느라 어느 정도 시간이 걸려서 이번 DCGAN논문도 읽는데 이틀은 걸릴줄 알았는데 이 논문에서는 수식이 하나도 등장하지 않아서 편하게 읽었다. 수식보다는 GAN으로 할 수 있는 많은 것들을 소개해준 논문 같다. 첫번째 논문처럼 요약보다는 논문 목차를 따라가면서 최대한 논문에 나온 부분들을 다 소개하도록 노력하겠습니다. 논문 원본 : https://arxiv.org/abs/1511.06434 1. Introduction 처음에는 GAN에 대한 장점들(최대우도법 활..