今回の実験の目的: 敵対的生成ネットワークをデータ拡張に応用できるのか試してみる。

敵対的生成ネットワークから生成された画像のみを使って分類器を訓練し、その性能を観察してみました。

1. データを訓練データ、検証データ、テストデータに分割します。
2. 訓練データのみを用いて各数字を生成するネットワークを訓練します。
3. 各数字を生成するネットワークから生成された画像を用いて分類器を訓練します。

訓練データに対する精度: 99~100%

検証データに対する精度: 70~75%

テストデータに対する精度: 70%

訓練データに対する精度: 99%

検証データに対する精度: 98%

テストデータに対する精度: 98%

以上の結果から、敵対的生成ネットワークから生成される画像に偏りがあると予想しました。

敵対的生成ネットワークをデータ拡張に応用するには生成されるデータに幅を持たせる必要があるかもしれません。

generated_imagesフォルダには各数字を生成するネットワークが実際に生成した画像を格納してあります。

画像の末尾についている数字は、その画像を生成した時のイテレーション回数です。

modelsフォルダには敵対的生成ネットワークにおける生成者と識別者のモデルを格納してあります。

discriminatorが識別者、generatorが生成者です。