Bıyık Deseni Üretiminde Çekişmeli Üretici Ağların Performans Karşılaştırması

Çekişmeli üretici ağlar (ÇÜA) yapay öğrenmede kullanılan özel bir sinir ağı türüdür. ÇÜA kendi içinde üretici ve ayırıcı olmak üzere iki farklı modül içerir. Yüksek boyutlu verileri düşük boyutlu örneklem uzayına yakınsayarak öğrenme gerçekleştirirler. Hiper uzayda gerçek veri manifolduna yakın örneklem oluşturmak isteğimizde bu modelleri sıkça kullanırız. Enerji bazlı model yapısından dolayı gerçek veri dağılımına yakın yapay veri sentezlemesinde üstün bir başarıya sahiptir. ÇÜA mimarileri oldukça güçlü üreticilere sahip olsalar bile doğası gereği dengesiz yakınsama gibi problemlerle karşılaşabilirler. Bu problemin en bariz örnekleri genellikle gerçek iş alanlarından alınan veriler üzerinde yapılan çalışmalarda görülmektedir. Bu çalışmada görüntüden görüntüye dönüşüm yapan çekişmeli üretici ağ mimarilerinin performans incelemesi yapılıp dengesiz yakınsama problemi karşısındaki başarımı değerlendirilmiştir. Bu modellerin kaliteli bir başarım değerlendirmesi için standartlaştırılmış veri kümeleri yerine gerçek iş alanından toplanılan denim2bıyık veri kümesi kullanılmıştır. Denim kumaşları üzerine çizilen bıyık desenleri lazer cihazıyla oluşturulmaktadır. Bu cihazın istenilen bıyık desenini oluşturabilmesi için uzmanlaşmış bir personel tarafından görsel düzenleme programları ile yaklaşık 2-3 saat süren bir çalışma yapması gerekir. Çalışmada kullanılan ÇÜA mimarileri Pix2Pix, CycleGAN, DiscoGAN ve AttentionGAN’dır. Her bir mimarinin denim2bıyık veri kümesindeki eğitim ve test verileri üzerinde bıyık deseni üretim başarım değerlendirmesi ve maliyet analizi yapılmıştır. Yapılan çalışmalar sonucunda, bıyık desen görseli üretim hızı bir saniyenin altına düşerken, üretim doğruluğu %86 seviyelerine çıktığı görülmektedir.