Optimización de hiperparámetros en la arquitectura Viton-GAN
El objetivo de este proyecto es encontrar la mejor configuración del modelo VITON-GAN a partir del uso de diferentes hiperparámetros. Para ello, se cambió el modelo pre-entrenado VGG19 (visual geometric group 19), el cual se usó para calcular la función de pérdida VGG, por los modelos VGG16 y ResNet...
- Autores:
-
Flórez Castro, José Manuel
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/60742
- Acceso en línea:
- http://hdl.handle.net/1992/60742
- Palabra clave:
- Redes neuronales
Generative Adversarial Network - GAN
Unified Net - UNet
Redes convolucional deconvolucionales
Procesamiento de imágenes - Computer vision
Probador Virtual - Virtual Try-on
Ingeniería
- Rights
- openAccess
- License
- Atribución 4.0 Internacional
| Summary: | El objetivo de este proyecto es encontrar la mejor configuración del modelo VITON-GAN a partir del uso de diferentes hiperparámetros. Para ello, se cambió el modelo pre-entrenado VGG19 (visual geometric group 19), el cual se usó para calcular la función de pérdida VGG, por los modelos VGG16 y ResNet50. Además, se varió el hiperparámetro que se denomina pendiente negativa de la función de activación Leaky ReLU, de 0.2 a 0.1. Al entrenar modelo, se identificó que ResNet50 arrojó el resultado más óptimo a nivel cualitativo y cuantitativo. |
|---|