初始化分数
编辑初始化分数(IS)是一种算法,用于评估由生成式图像模型(如生成式对抗网络(GAN))创建的图像的质量。该分数的计算是基于一个单独的、经过预训练的Inceptionv3图像分类模型的输出,该模型应用于生成式模型生成的图像样本(通常为30,000张左右)。当以下条件为真时,Inception分数就达到了xxx。Inceptionv3模型对生成的图像所预测的标签分布的熵是最小的。换句话说,分类模型自信地预测了每张图像的单一标签。分类模型的预测在所有可能的标签上都是均匀分布的,这与生成的图像是鲜明的或不同的愿望相对应。它在某种程度上被相关的Fréchetinceptiondistance取代了。起始分数只评估生成图像的分布,而FID则将生成图像的分布与一组真实图像的分布(地面真相)进行比较。
初始化分数的定义
编辑让我们有两个空间,图像的空间为了证明这是非负的,使用詹森不等式。伪代码。输入判别器{displaystylep_{dis}(x_cdot|x_{i})},即以图像为条件的标签概率分布。,是以图像为条件的标签的概率分布{displaystylep_{gen}},判别器返回完全相同的标签预测。,判别器返回完全相同的标签预测值{displaystylep_{dis
内容由匿名用户提供,本内容不代表vibaike.com立场,内容投诉举报请联系vibaike.com客服。如若转载,请注明出处:https://vibaike.com/175686/