Baby Face Generation with Generative Adversarial Neural Networks: A Case Study

Çekişmeli Üretici Sinir Ağları ile Bebek Yüz Üretimi: Bir Vaka Çalışması

Abstract

Generative Adversarial Networks (GANs) are increasingly applied to train generative models with neuralnetworks, especially in computer vision studies. Since being introduced in 2014, many image generationstudies incorporating GANs have demonstrated promising results for producing highly convincing fakeimages of animals, landscapes, and human faces. We build a GAN structure to generate realistic baby faceimages from a small data set of 673 color 200×200 pixel images obtained from a Kaggle data set by followingprevious studies that demonstrated how GANs could be used for image generation from a limited number oftraining samples. The reason we limit especially as baby faces is that we aim to achieve success with a limitednumber of training data. For evaluation, experiments and case studies are one of the most consideredtechniques. The results of this study help identify issues requiring further investigation in comment analysisresearch. In this context, we presented the loss values of the generator and discriminator during the trainingprocess. The discriminator losses are around of 0.7 and the generator is between 0.7 and 0.9. The high qualityimages are produced about 300th epochs.

Özet

Çekişmeli Üretici Sinir Ağları (GAN) son zamanlarda özellikle bilgisayarlı görme çalışmalarında sinir ağlarına sahip üretken modelleri eğitmek için kullanılan popüler bir konudur. GAN’lar 2014 yılında araştırmacılara tanıtıldığından beri, özellikle GAN’larla görüntü oluşturma çalışmaları gittikçe artmaktadır. Bu çalışmalar, hayvanlar, manzaralar, insan yüzleri vb. gibi son derece ikna edici sahte görüntüler üretmek için umut verici sonuçlar elde etmiştir. Bu çalışmada gerçekçi yüz görüntüleri oluşturmak için bir GAN yapısı oluşturulması amaçlanmıştır. Daha az sayıda eğitim verisiyle gerçekçi resimler üretebilmek için veri seti içerisinde sadece bebek yüzleri kullanılmıştır. Çalışma kapsamında bir GAN yapısı inşa edilerek, Kaggle veri tabanından elde edilen 673 adet renkli 200x200 piksel boyutunda bebek yüz görüntüsü veri kümesinden yeni bebek yüzü görüntüleri oluşturulmaktadır. Önceki çalışmalar GAN’ların sınırlı sayıda eğitim örneği içeren veri kümeleri için görüntü oluşturmada kullanılabileceğini göstermektedir. Değerlendirme yöntemleri ile ilgili olarak, deneyler ve vaka çalışmaları en çok dikkate alınan tekniklerden biridir. Bu çalışmanın sonuçları, daha fazla araştırma yapılmasını gerektiren hususların belirlenmesine yardımcı olabilir.