000 | 00000cam c2200205 c 4500 | |
001 | 000046007034 | |
005 | 20191121162010 | |
007 | ta | |
008 | 191121s2019 ggka 001c kor | |
020 | ▼a 9791158391751 ▼g 93000 | |
035 | ▼a (KERIS)BIB000015428710 | |
040 | ▼a 211040 ▼c 211040 ▼d 211009 | |
041 | 1 | ▼a kor ▼h eng |
082 | 0 4 | ▼a 006.31 ▼2 23 |
085 | ▼a 006.31 ▼2 DDCK | |
090 | ▼a 006.31 ▼b 2019z31 | |
100 | 1 | ▼a Ahirwar, Kailash |
245 | 1 0 | ▼a 실전! GAN 프로젝트 : ▼b 텐서플로와 케라스를 이용한 차세대 생성적 적대 신경망 모델 구축 / ▼d 카일라쉬 아히르와 지음 ; ▼e 박진수 옮김 |
246 | 1 9 | ▼a Generative adversarial networks projects : ▼b build next-generation generative models using TensorFlow and Keras |
260 | ▼a 파주 : ▼b 위키북스, ▼c 2019 | |
300 | ▼a xviii, 282 p. : ▼b 삽화 ; ▼c 25 cm | |
440 | 0 0 | ▼a 데이터 사이언스 시리즈 = ▼x DS ; ▼v 043 |
500 | ▼a 색인수록 | |
650 | 0 | ▼a Machine learning |
650 | 0 | ▼a Neural networks (Computer science) |
650 | 0 | ▼a Artificial intelligence |
700 | 1 | ▼a 박진수, ▼e 역 |
900 | 1 0 | ▼a 아히르와, 카일라쉬, ▼e 저 |
945 | ▼a KLPA |
소장정보
No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
---|---|---|---|---|---|---|---|
No. 1 | 소장처 과학도서관/Sci-Info(1층서고)/ | 청구기호 006.31 2019z31 | 등록번호 121251123 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
책소개
GAN 프로젝트를 진행할 때 프로젝트를 효율적으로 구축하는 데 필요한 개념과 도구 및 라이브러리부터 알아본다. 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.
파이썬 생태계를 사용하는 다양한 생성적 적대 신경망 아키텍처를 탐구해 본다!
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.
★ 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.
정보제공 :

저자소개
카일라쉬 아히르와(지은이)
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.
박진수(옮긴이)
다양한 정보기술 분야 경력과 저술/번역 경험을 바탕으로 IT 융·복합 사업을 꿈꾸는, 1인 회사 ‘리율’의 대표다. 옮긴 책으로는 《검색을 위한 딥러닝》, 《파이썬으로 배우는 응용 텍스트 분석》, 《R로 배우는 텍스트 마이닝》, 《케라스 창시자의 딥러닝 with R》, 《모두를 위한 실용 전자공학》, 《해킹 일렉트로닉스》, 《ggplot2》 등이 있다.

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