(generative adversarial network ) GAN Model : نوع من الشبكات العصبية التي تُستخدم لتوليد بيانات جديدة كلياً. يتكون GAN من جزأين: المولد والمميز. المولد مسؤول عن إنشاء بيانات جديدة ، في حين أن أداة التمييز هي المسؤولة عن التمييز بين البيانات الحقيقية والمزيفة.

المولد عبارة عن شبكة عصبية تلافيفية (CNN) تأخذ كمدخل متجه عشوائي ويتم توليد صورة.

المُميِّز هو أيضًا شبكة CNN تأخذ صورة كمدخلات. يُخرج المُميِّز احتمالية أن تكون الصورة حقيقية.

 

يتم تدريب GAN من خلال تغذية المولد ببيانات مزيفة و وتغذية المميز ببيانات الحقيقية . يحاول المولد خداع أداة التمييز من خلال إنشاء بيانات تبدو حقيقية ، بينما يحاول أداة التمييز التعرف على البيانات المزيفة. تستمر عملية التدريب حتى يتمكن المولد من إنشاء بيانات لا يمكن تمييزها عن البيانات الحقيقية.

 

تتمثل إحدى فوائد استخدام GAN في أنه يمكنه إنشاء بيانات واقعية و متنوعة يمكنك إثراء بياناتك(dataset) من خلالها ومن ثم استخدامها في تدريب نموذجك الخاص فكل ما تحتاجه هو بيانات من ميات السطور لتخلق باستخدام GAN مجموعة بيانات ضخمة.
ويمكنك استخدام GAN لإنشاء صور جديدة للوجوه تبدو واقعية أو صور لمناظر طبيعية خلابة وحيوانات ... أياً كانت الصور لن تستطيع تمييزها عن الصور في العالم المادي المحسوس!!!

 

و تكون عملية التدريب كما يلي:

1. يولد المولد صورة مزيفة.
2. يتم إعطاء أداة التمييز الصورة المزيفة والصور الحقيقية.
3. يُخرج المُميِّز احتمالية لكل صورة.
4. يُعطى المولد الاحتمالات من أداة التمييز.
5. يقوم المولد بضبط معلماته لإنشاء صور من المرجح أن يتم تصنيفها على أنها حقيقية بواسطة أداة التمييز.
6. تتكرر عملية التدريب حتى يتمكن المولد من إنتاج صور لا يمكن تمييزها عن الصور الحقيقية.

ويمكنك متابعة أحدى أضخم الكورسات كورسيرا