图像生成指标

1.Inception Score

1.使用：最早使用于GAN模型，由《Improved Techniques for Training GANs》最早提出，之后由《A Note on the Inception Score》阐述清楚。

2.方法介绍：

1）用到了Inception v3分类模型，在ImageNet（1000classes的120w张图像）上进行训练的。输出1000个概率（和为1）。$p(y|x)\in [0,1{]}^{1000}$。

2）计算方式：

• $p(y|x)$ 低熵，就是分布很尖，说明分类模型能够清楚判别出生成的图像属于哪个类别，说明生成的图片质量很高。

• $\hat{p}(y)$ 表示生成50000张图像，分成10组，将这5000张图片都输入到Inception分类模型中，得到5000个1000维的张量，对这5000个1000维向量求平均，得到1个1000维向量，分布得越均匀，说明类别多样性好。反映生成的所有的图片的集合属于各个类别的概率。

• KL散度计算两个分布之间的差异，分布差异越大，说明效果越