АНАЛІЗ МЕТРИК ДЛЯ ОЦІНКИ GAN МЕРЕЖ

Анотація

Генеративно-змагальні мережі стали досить популярними в останні роки. Загалом ці мережі побудовані на основі згорткових нейронних мереж, що застосовуються у завданнях класифікації. В останні роки дослідниками запропоновано та розроблено дуже багато варіацій самих архітектур GAN мереж та технік для їх оптимізації, оскільки процес навчання є досить складним та нестабільним. Незважаючи на великі теоретичні успіхи в покращенні даних мереж, оцінка та порівняння GAN залишається складним завданням. Не дивлячись на те, що було введено кілька метрик для оцінки цих мереж, наразі немає консенсусу щодо того, яка метрика найкраще відображає сильні сторони та обмеження моделей і повинна використовуватися для порівняння моделей та оцінки синтезованих зображень. У даній роботі розглянуто дві найпопулярніші метрики Inception Score (IS) та Frechet Inception Distance (FID), які застосовуються для оцінки GAN мереж.

Оскільки дані метрики базуються на використанні попередньо підготовленої моделі Google Inception, яка застосовується в якості класифікатора для метрики IS та екстрактора ознак для метрики FID, то метою роботи є розробка програмного модуля для порівняння даних метрик із використанням базової моделі (Inception) та користувацьких моделей.

Наукова новизна полягає в тому, що дані метрики вперше застосовано для порівняння цитологічних зображень з використанням моделі, що відрізняється від запропонованої авторами - Google Inception.

Практичним значенням роботи є розробка програмного модуля для обчислення даних метрик для GAN мереж, що застосовуються для синтезу цитологічних зображень.

В результаті було розроблено дві базові моделі (BioCNN-1 та BioCNN-2) та модуль на мові Python для обчислення метрик IS та FID для цитологічних зображень. Розроблений модуль працює із кольоровими зображеннями роздільною здатністю 64 x 64 пікселі. Здійснено порівняння метрик на основі базової моделі та на основі розроблених моделей для оцінки GAN мереж для синтезу цитологічних зображень.

Метрики на основі розроблених моделей показують кращі результати. Значення метрики FID зменшилося з 31.20 до 0.034, а значення метрики IS збільшилося з 3.52 до 3.81. Також загальний час обчислення метрик зменшився з 2 хвилин до 15 секунд.