Streszczenie:
Celem niniejszej pracy inżynierskiej było wygenerowanie grafik przy pomocy głębokiego uczenia nienadzorowanego na przykładzie narzędzii sztucznej inteligencji DCGAN (Deep Convolutional Generative Adversarial Network). Dodatkowo nauka sieci odbywała się na podstawie autorskiego zbioru uczącego. Przedstawiono listingi napisane w języku Python.
Przedyskutowano sieć DCGAN, której główną cechą jest operacja splotu. Zilustrowano model sztucznego neuronu oraz jego funkcie aktywacji. Opisano działanie wstecznej propagacji błędu.
Zaprezentowano tworzenie autorskiego zbioru uczącego. Pokazano jak rozwiązywano napotkane problemy podczas przeglądania grafik oraz jak ostatecznie przygotowano dane do nauki.
Omówiono wyniki pracy dwóch programów uczących, które różniły się rozdzielczością kreowanych grafik. Pokazano postępy nauki sieci w postaci wykresów strat modeli oraz wygenerowanych co setną epokę obrazków. Na koniec zademonstrowano jakie grafiki udało się wygenerować po 1000 epoce nauki DCGAN.
Przedstawiono kod programu uczącego dygan.py oraz dwa różniące się wielkością generowanych obrazków modeli generatora i dyskryminatora.
