한글내용
(Korean Abstract) |
딥 러닝의 대표적 생성모델인 GAN(Generative Adversarial Network) 모델은 데이터를 생성하는 Generator와 데이터의 진위여부를 판단하는 Discriminator를 하나씩 가지고 있다. 본 논문에서는 GAN 모델에서 Discriminator의 수를 증가하였을 때 GAN의 생성 데이터의 결과 변화를 관찰해보았다. Discriminator의 수를 늘릴 때에는 Ensemble의 Bagging 기법을 적용하여 서로 독립적인 Discriminator를 만들었다. Vanilla GAN, LSGAN의 생성 모델에 MNIST, 2D Mixture of Gaussian, CelebA 데이터셋을 적용하여 실험을 진행했으며, Bagging 기법을 이용하여 GAN의 성능을 향상시킬 수 있음을 확인했다.
|
