판별자의 목적은 가능한 한 정확하게 구별하는 것이다. 진짜 샘플 x일 경우 D(x)는 가능한 한 1(양성 클래스의 레이블)과 가까워야 한다. 가짜 샘플 x*일 경우 D(x*)는 가능한 한 0(음성 클래스의 레이블)과 가까워야 한다.
생성자의 목적은 이와 반대이다. 훈련 세트에 있는 진짜 샘플과 구분하기 힘든 가짜 샘플 x*를 만들어 판별자를 속여야 한다. 수학적으로 보면 생성자는 D(x*)이 가능한 한 1이 되도록 가짜 샘플 x*을 만들어야 한다.
<오차 행렬>
판별자의 분류는 오차 행렬로 표현할 수 있다. 오차 행렬은 이진 분류의 모든 출력을 나타내는 표이다. 판별자의 경우 다음과 같다.
판별자는 진짜 양성과 진짜 음성 분류를 최대화하려고 노력한다. 또는 같은 의미로 거짓 양성과 거짓 음성 분류를 최소화한다. 반대로 생성자의 목적은 판별자의 거짓 양성 분류를 최대화하는 것이다. 거짓 양성은 판별자가 가짜 샘플을 진짜로 속이는 생성자의 샘플이다. 생성자는 판별자가 진짜 샘플을 잘 분류하는지 관심이 없다. 오직 가짜 샘플에 대한 판별자의 분류만 생각한다.
'GAN > 이론' 카테고리의 다른 글
6. 훈련 평가 (0) | 2021.06.24 |
---|---|
5. DCGAN - 구현 (0) | 2021.06.23 |
4. DCGAN - 배치정규화 (0) | 2021.06.23 |
3. GAN 훈련 알고리즘 (0) | 2021.06.22 |
1. GAN 기초: 적대적 훈련 (0) | 2021.06.22 |