Redes Generativas Antagónicas y sus aplicaciones
En este trabajo se estudian las Redes Generativas Antagónicas (GANs) y sus aplicaciones a través de una extensa revisión de bibliografía teórica y de los últimos artículos científicos publicados sobre el tema. Se describen los modelos estadísticos generativos en contraposición con los discriminativo...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2020 |
| País: | Argentina |
| Recursos: | Universidad Nacional de La Plata |
| Repositorio: | SEDICI (UNLP) |
| Idioma: | español |
| OAI Identifier: | oai:sedici.unlp.edu.ar:10915/101507 |
| Acesso em linha: | http://sedici.unlp.edu.ar/handle/10915/101507 |
| Access Level: | acceso abierto |
| Palavra-chave: | Ciencias Informáticas GANs SRGANs Redes Generativas Antagónicas |
| Resumo: | En este trabajo se estudian las Redes Generativas Antagónicas (GANs) y sus aplicaciones a través de una extensa revisión de bibliografía teórica y de los últimos artículos científicos publicados sobre el tema. Se describen los modelos estadísticos generativos en contraposición con los discriminativos y se estudian las partes que componen las GANs, su entrena- miento y dificultades. Este trabajo contempla, además, la implementación de una Red Generativa Antagónica de Super-Resolución (SRGAN) mediante las librerías Keras y Tensorflow. Se utiliza para su entrenamiento el entorno Google Colaboratory, que permite la utilización de una GPU. En esta implementación se obtienen imágenes cualitativamente de alta calidad, que se pueden apreciar tanto utilizando como entrada imágenes del conjunto de prueba, como imágenes sin relación al conjunto de datos utilizado para entrenar la red. |
|---|