Below you will find pages that utilize the taxonomy term “EfficientNetV2”

Posts

LadaGAN 做得太逼真之後：一場生成器與判別器的拉鋸

這是我在國立東華大學資訊工程學系「深度學習基石與實務」課程的第二個作業。作業表面上是在 CelebA 上訓練 GAN、生成一批人臉，實際上卻把三件事綁在一起：生成影像、建立可追蹤的 synthetic dataset，以及訓練一個能分辨真假的模型。

我一開始把問題想得很直覺：生成器越逼真，成果就越好。真正跑過幾輪模型之後，才發現事情沒有這麼單純。生成器越接近真實資料，判別器越難找到可以泛化的線索；判別器若只記住資料前處理或某一個 checkpoint 的風格，漂亮的 accuracy 也沒有太大意義。這篇筆記保留模型失敗、中間 epoch、loss 曲線與評估圖，記錄我如何在清晰度、多樣性、穩定性和運算成本之間做取捨。

Purpose：這份作業在問什麼

這份作業的目標不是只交出一張「看起來像人臉」的圖片，而是一條可以被檢查、被重跑的影像生成與分類流程：

  1. 在 CelebA 上訓練 LadaGAN，產生有多樣性的 64×64 人臉。
  2. 保留不同 epoch 的 checkpoint，從每個 checkpoint 生成固定數量的圖片，建立足夠大的 synthetic dataset。
  3. 把真實圖片和生成圖片混合，訓練多個分類 backbone，找出比較能辨識兩種影像分布的判別器。
  4. 使用最後的 EfficientNetV2-B1 對測試資料做真偽判斷，輸出 test.csv。

所以我想回答的問題不是「能不能生成一張好看的臉」，而是：

當生成器已經做得很逼真時，判別器到底還能不能學到穩定、可泛化的差異？

作業流程：從生成到判別

HackMD 報告把整個工作拆成三個階段。第一階段訓練 LadaGAN；第二階段從生成 checkpoint 建立判別器資料；第三階段用教師提供的 1,000 張測試圖片產生最後的分類結果。

graph LR A["CelebA real faces
64x64"] --> B["LadaGAN training
36 epochs"] B --> C["Checkpoints
epoch 1-30"] C --> D["150K synthetic faces"] A --> E["Real images"] D --> F["300K discriminator set"] E --> F F --> G["EfficientNetV2-B1
240x240"] G --> H["Real / Fake prediction"] H --> I["test.csv
1,000 images"]

三個階段的實際數字

第一階段以 64×64、像素值正規化到 [-1, 1] 的 CelebA 人臉訓練 LadaGAN。訓練曲線記錄到第 36 個 epoch；生成資料的腳本則以第 1 到第 30 個 checkpoint、每個 checkpoint 5,000 張圖片為主要設定：

read more