Le score d'inception (IS) est une mesure de performance objective utilisée pour évaluer la qualité des images générées ou synthétiques produites par un réseau antagoniste génératif (GAN). Il peut mesurer l’authenticité et la diversité des images de sortie et peut également être utilisé pour remplacer l’évaluation subjective humaine. L'IS est la deuxième mesure de performance d'évaluation la plus importante après la FID (Frechlet Inception Distance).

Ce concept a été proposé pour la première fois par Tim Salimans et al. dans leur article de 2016 « Techniques améliorées pour la formation des GAN »Introduit en. Il tire son nom du réseau Inception (un modèle d'apprentissage en profondeur pré-entraîné sur l'ensemble de données Image net) développé par Google pour la classification d'images. L'auteur a utilisé Inception Network pour extraire le vecteur de caractéristiques de l'image.

Il mesure deux aspects :

• Variété — Il doit y avoir beaucoup de variété dans les images générées — l’entropie de la distribution globale doit être élevée.
• La qualité — la qualité de l’image générée — nécessite une faible entropie et une grande prévisibilité.

L'IS le plus bas peut être nul, l'IS le plus élevé peut être infini, et plus l'IS est élevé, mieux c'est.

Limites du score d'initiation

1. Si le réseau ne génère qu'une seule image par classe, l'IS sera élevé et ne représentera pas bien la classe.
2. Le réseau Inception a été formé sur l'ensemble de données Imagenet qui ne contient que 1 000 classes. Si vous entraînez un GAN sur des catégories en dehors de ces 1 000, votre score Inception sera faible.
3. Cela fonctionne bien avec des images carrées et de taille relativement petite, par exemple des images de taille 300 × 300.

Références

【1】https://kailashahirwar.medium.com/a-very-short-introduction-to-inception-score-is-c9b03a7dd788