Principes de fonctionnement
Description de la méthode de génération des tableaux
Principes
Les images de tableaux présentées sur le site sont générées à partir d'un modèle entrainé sur plus de 40 000 tableaux grâce au Deep Learning. Le modèle utilise l'excellente implémentation de Junho Kim de l'algorithme StyleGAN développé par Nvidia. Cette implémentation utilise la librairie d’apprentissage automatique TensorFlow.
StyleGAN est une déclinaison des algorithmes de Deep Learning de type GAN (Generative adversarial networks ou Réseaux antagonistes génératifs). Ils consistent à entrainer deux modèles : un générateur et un discriminateur. Le premier est entrainé à produire des échantillons pendant que le second est entrainé à décider si l’échantillon ainsi produit est valide ou non. Dans le cas du présent site, les échantillons produits sont les images des tableaux. Le discriminateur essaye donc de détecter si une image de tableau est vraie ou non pendant que le générateur produit des images en ayant l’objectif de tromper le discriminateur.
Le résultat obtenu n'a pas pour but d'être parfait mais sera amélioré au fur et à mesure, ce site ayant pour objectif principal de développer des compétences en Machine Learning. L'entrainement des modèles nécessite une puissance de calcul élevée et est donc long et couteux.
Liens
Pour plus d’informations, vous pouvez consulter les liens suivants :- La publication originale du modèle StyleGAN par Nvidia
- L’implémentation de StyleGAN pour TensorFlow par Junho Kim sur GitHub
- La documentation de la librairie TensorFlow
- La page Wikipédia sur les GANs
- Pour s’initier et approfondir le Machine Learning, vous pouvez lire l’excellent livre d’Aurélien Géron : Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow