개시 점수(IS)
Inception Score(IS)는 생성적 적대 신경망(GAN)에서 생성된 이미지나 합성 이미지의 품질을 평가하는 데 사용되는 객관적인 성능 지표입니다. 출력 이미지의 진위성과 다양성을 측정할 수 있으며 인간의 주관적 평가를 대체하는 데 사용될 수도 있습니다. IS는 FID(Frechlet Inception Distance) 다음으로 두 번째로 중요한 평가 성과 지표입니다.
이 개념은 Tim Salimans et al.에 의해 처음 제안되었습니다. 2016년 논문에서 "GAN 학습을 위한 개선된 기술"2016년에 도입되었습니다. 이는 Google이 이미지 분류를 위해 개발한 Inception Network(Image net 데이터세트를 기반으로 사전 학습된 딥 러닝 모델)에서 이름을 따왔습니다. 저자는 Inception Network를 사용하여 이미지의 특징 벡터를 추출했습니다.
이는 두 가지 측면을 측정합니다.
- 다양성 - 생성된 이미지에는 다양성이 많아야 하며, 전체 분포의 엔트로피는 높아야 합니다.
- 좋음(생성된 이미지가 얼마나 좋은가)에는 낮은 엔트로피와 높은 예측 가능성이 필요합니다.
가장 낮은 IS는 0일 수 있고, 가장 높은 IS는 무한대일 수 있으며, IS가 높을수록 더 좋습니다.
Inception Score의 한계
- 네트워크가 클래스당 하나의 이미지만 생성하는 경우 IS가 높아지고 클래스를 잘 표현하지 못합니다.
- Inception 네트워크는 1,000개의 클래스만 포함된 Imagenet 데이터 세트를 사용하여 학습되었습니다. 1,000개가 아닌 다른 카테고리에 대해 GAN을 훈련시키면 Inception 점수가 낮아집니다.
- 이 방법은 정사각형이나 비교적 작은 크기의 이미지(예: 300×300 크기 이미지)에 적합합니다.
참고문헌
【1】https://kailashahirwar.medium.com/a-very-short-introduction-to-inception-score-is-c9b03a7dd788