はじめに SUSHI食べたい!ということで,DCGANで寿司の画像を生成してみました. やったことは,Chainerのサンプルコードを少し変えて実行しただけです.予めご了承ください. 原理の紹介 今回使用したGANについて, 簡単に原理を解説します. 敵対的生成ネットワーク(generative adversarial networks; GAN)は, 2014年にMontreal大学(当時)のIan Goodfellowが考案したネットワークで, ノイズからこのような「本物らしい」画像を生成することができます. それぞれの画像において, 一番右の列は隣の列から最も近い教師画像です. すなわち, 左5列の画像は教師データとは異なり, かつ本物らしい画像ということになります. では, どのようにして画像を生成するのでしょうか? GANはこのような構成になっています. A Beginner's
![SushiGAN 〜人工知能は寿司を握れるか?〜 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/700c20de57adcc53c92b1fd03d05b78a8a84a22b/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9U3VzaGlHQU4lMjAlRTMlODAlOUMlRTQlQkElQkElRTUlQjclQTUlRTclOUYlQTUlRTglODMlQkQlRTMlODElQUYlRTUlQUYlQkYlRTUlOEYlQjglRTMlODIlOTIlRTYlOEYlQTElRTMlODIlOEMlRTMlODIlOEIlRTMlODElOEIlRUYlQkMlOUYlRTMlODAlOUMmdHh0LWFsaWduPWxlZnQlMkN0b3AmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZzPWEyOGMwYmRkM2U3YjI3ZTYwYjRmMWVjNzM0OGE0ZDE0%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzaGlvbmhvbmRhJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz0yN2U1NTZiNWIxNjZhNDdlNWFiNmVmMjAzYjNiNTRiMw%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D1ac74daa03c790ba8c93ecc477d16246)