Generating images using generative adversarial networks

Celem pracy jest wytrenowanie sieci neuronowej Conditional GAN na zbiorze danych w postaci obrazów, tak aby wyuczona sieć była w stanie generować nowe obrazy. Końcowa sieć powinna również być w staniegenerować obrazy należące do konkretnej klasy. Kolejnym celem pracy jest zbadanie wpływu zmiany rozdzielczości obrazów treningowych lub zmiany wartości hiperparametrów takich jak współczynnik dropout i współczynnik uczenia, na rezultaty zwracane przez wytrenowaną sieć CGAN. Na początku pracy omówiona jest teoria związana sieciami neuronowymi i sieciami GAN. Kolejny rozdział zawiera informację o metodyce badań, oprogramowaniu i sprzęcie użytym w pracy. Następna część pracy przedstawia najważniejsze fragmenty kodu wykorzystanego do stworzenia i wytrenowania sieci GAN. Ostatni rozdział składa się z przedstawienia rezultatów uczenia różnych sieci, wraz z omówieniem i wnioskami płynącymi z uczenia sieci.

The purpose of this study is to train a Conditional GAN neural network on a dataset of images, so that the learned network would be able to generate new images. The final network should also be able to generate images belonging to a specific class. Another goal of the work is to study the effect of changing theresolution of the training images or changing the values of hyperparameters such as dropout rate and learning rate, on the results returned by the trained CGAN network. At the beginning of the paper is presented theory related to neural networks and GANs. The next section provides information on the research methodology, software and hardware used in the work. The next section of the paper presents the most important code snippetsused to create and train the GAN network. The last chapter consists of a presentation of the results of teaching the various networks, along with a discussion and conclusions drawn from teaching the networks.