Notícias
As Redes Generativas Adversárias, popularmente conhecida como GANs, é uma técnica de aprendizado de máquina não supervisionada e de aprendizado profundo, proposta no ano de 2014 por meio de um trabalho de pesquisa acadêmico. Trata-se de uma abordagem para modelagem generativa usando métodos de aprendizado profundo, como redes neurais convolucionais. Se você quer saber o que são redes GAN e como elas são usadas na produção de imagens, se liga neste conteúdo! LEIA TAMBÉM: • O que é aerofotogametria?
• O que é processamento de imagens?
• Indústria 4.0 no Brasil: conheça mais!
Fale com um especialista
Como funciona e o que são GAN Network?
A modelagem generativa é uma tarefa de aprendizado não supervisionado em aprendizado de máquina que envolve, basicamente, descobrir e aprender automaticamente as regularidades ou padrões nos dados de entrada. Isso acontece de tal forma que o modelo possa ser utilizado para gerar ou produzir novos exemplos que plausivelmente poderiam ter sido extraídos do conjunto de dados original. Por exemplo, se você alimentar o tipo certo de rede neural com uma grande coleção de imagens e disser quais mostram cachorros e quais não, ela pode eventualmente aprender a discriminar por conta própria quais novas imagens não rotuladas são gatos e quais não são. Uma rede GAN pode ser pensada como um par de redes neurais concorrentes: um gerador G e um discriminador D. O gerador recebe como entrada um ruído aleatório amostrado de alguma distribuição e tenta, desse modo, gerar novos dados destinados a se assemelhar com dados reais. A rede discriminadora tenta discernir dados reais de dados gerados. À medida em que a rede discriminadora melhora sua capacidade de classificar corretamente os dados, os metadados são enviados de volta (ou “repropagados”) à rede geradora para ajudá-la a fazer um trabalho melhor ao tentar enganar a rede discriminadora. O pioneiro do aprendizado profundo e diretor de Inteligência Artificial do Facebook, Yann Lecun, chegou a afirmar que os GANs Networks foram “a ideia mais legal em aprendizado profundo nos últimos 20 anos”. Alguns pesquisadores de universidades e corporações pelo mundo afora passaram a criar variações de GANs que executam novas classes de tarefas. Por exemplo, GANs condicionais fornecem informações adicionais para um gerador e seu parceiro discriminador, impondo condições à imagem gerada. Nos exemplos a seguir fornecidos em um paper escrito por pesquisadores do Berkeley AI Research Laboratory, o gerador criou uma versão colorida de uma imagem existente e uma visão noturna de uma imagem diurna: Imagem: O que são GANs e como funcionam essas redes?
Fonte Alguns dos mesmos pesquisadores de Berkeley também desenvolveram uma tecnologia chamada Cycle GANs, no qual as tais imagens geradas podem acontecer em ambas as direções – por exemplo, converter uma imagem de cavalo para parecer uma zebra e vice-versa, confira abaixo: Imagem: O que são GANs e como funcionam essas redes?
Fonte
GANs Network em projetos da Pix Force
Nossos researchers da Pix Force vem explorando várias maneiras de aplicar GANs para nossos clientes. Eis abaixo algumas delas: • Maneiras de utilizar GAN’s de ciclo condicional para o mapeamento entre imagens visuais e imagens infravermelhas
• Melhoria considerável da resolução de imagens aéreas
• Rotulação de texto com tags semânticas
• Geração de texto pertencente a categorias semânticas específicas
As duas últimas categorias são especialmente interessantes porque a maioria das discussões sobre GAN’s gira em torno da geração de imagens, mas essas técnicas também podem ser aplicadas a outros tipos de dados. As redes GANs oferecem muitas possibilidades interessantes! Entre em contato com a gente!
Fabio Caraça
Fábio Caraça é Chief Growth Officer na Pix Force. Lidera a transformação da Pix Force em uma operação SaaS escalável, unindo visão estratégica, cultura e execução de alto impacto.
