Redes Generativas Antagónicas y sus aplicaciones

Abstract

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.

In this project, Adversarial Generative Neural Networks (GANs) and their applications are studied through an extensive review of theoretical literature and the latest scientific papers published. Generative statistical models are described in opposition to discriminatory models. The different blocks that componse a GAN are studied, as well as their training and the difficulties it involves. This project also contemplates the implementation of a Super-Resolution Adversarial Generative Network (SRGAN) presented in [1], using the libraries Keras and Tensorflow. The Google Colaboratory environment is used for training the GAN, since the platform allows the use of a GPU NVIDIA Tesla K80. In this implementation, qualitatively high quality images are obtained, which can be appreciated both using as inputimages of the test set and images unrelated to the data set used to train the network.