文章目录
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 ) ∈ [ 0 , 1 ] 1000 p(y|x) \in [0,1]^{1000} p(y∣x)∈[0,1]1000。
2)计算方式:
-
p ( y ∣ x ) p(y|x) 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。
-
p ^ ( y ) \hat{p}(y) 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