컴퓨터 장치에 의해 수행되는 GAN(Generative Adversarial Network)의 학습 안정성 및 생성 이미지 다양성 증진 방법에 있어서, 출력을 클래스에 따른 원-핫 인코딩(one-hot encoding)된 출력으로 설정하고, 판별망(Disciminator)을 학습하는 단계; 및 상기 판별망을 통해 전달 받은 정보를 기반으로 새로운 이미지를 생성하도록 생성망(Generator)을 학습하는 단계를 포함하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 방법.

제1항에 있어서,상기 판별망을 학습하는 단계는, 상기 판별망은 클래스의 종류에 Fake 라벨을 더해 총 N+1 개로 분류하는 단계; 및 상기 판별망은 손실함수로 크로스 엔트로피 손실(Cross Entropy Loss)을 사용하며, 실제 이미지는 해당하는 클래스의 라벨을 타겟으로 두고, 가짜 이미지는 Fake Label(N+1)을 타겟으로 두고 학습하는 단계를 포함하는 GAN의 학습 안정성 및 생성 이미지 다양성 증진 방법.

제1항에 있어서,상기 판별망을 학습하는 단계는, 상기 판별망은 손실함수로 크로스 엔트로피 손실(Cross Entropy Loss)을 사용하여 상기 생성망으로 보내는 정보를 제어하는 것을 특징으로 하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 방법.

제1항에 있어서,상기 생성망을 학습하는 단계는, 상기 판별망의 출력 중 가장 큰 것의 타겟만 1로 설정하여 상기 생성망을 학습하는 단계를 포함하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 방법.

제4항에 있어서,상기 판별망의 출력 중 가장 큰 것의 타겟만 1로 설정하여 상기 생성망을 학습하는 단계는, 실제 이미지 중 가장 유사한 클래스의 이미지의 분포를 따라가도록 학습하는 것을 특징으로 하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 방법.

제1항에 있어서,상기 생성망을 학습하는 단계는, 상기 판별망의 모든 출력별로 하나씩 타겟으로 설정하여 상기 생성망을 학습하는 단계를 포함하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 방법.

제6항에 있어서,상기 판별망의 모든 출력별로 하나씩 타겟으로 설정하여 상기 생성망을 학습하는 단계는, 다수개의 클래스들의 특징들이 섞인 이미지들을 생성하는 것을 특징으로 하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 방법.

GAN(Generative Adversarial Network)의 학습 안정성 및 생성 이미지 다양성 증진 장치에 있어서, 출력을 클래스에 따른 원-핫 인코딩(one-hot encoding)된 출력으로 설정하고, 판별망(Disciminator)을 학습하는 판별망 학습부; 및 상기 판별망을 통해 전달 받은 정보를 기반으로 새로운 이미지를 생성하도록 생성망(Generator)을 학습하는 생성망 학습부를 포함하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 장치.

제8항에 있어서,상기 판별망 학습부는, 상기 판별망의 클래스의 종류에 Fake 라벨을 더해 총 N+1 개로 분류하고, 상기 판별망의 손실함수로 크로스 엔트로피 손실(Cross Entropy Loss)을 사용하며, 실제 이미지는 해당하는 클래스의 라벨을 타겟으로 두고, 가짜 이미지는 Fake Label(N+1)을 타겟으로 두고 학습하는 것을 특징으로 하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 장치.

제8항에 있어서,상기 판별망 학습부는, 상기 판별망의 손실함수로 크로스 엔트로피 손실(Cross Entropy Loss)을 사용하여 상기 생성망으로 보내는 정보를 제어하는 것을 특징으로 하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 장치.

제8항에 있어서,상기 생성망 학습부는, 상기 판별망의 출력 중 가장 큰 것의 타겟만 1로 설정하여 상기 생성망을 학습하는 제1 생성망 학습부를 포함하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 장치.

제11항에 있어서,상기 제1 생성망 학습부는, 실제 이미지 중 가장 유사한 클래스의 이미지의 분포를 따라가도록 학습하는 것을 특징으로 하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 장치.

제8항에 있어서,상기 생성망 학습부는, 상기 판별망의 모든 출력별로 하나씩 타겟으로 설정하여 상기 생성망을 학습하는 제2 생성망 학습부를 포함하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 장치.

제13항에 있어서,상기 제2 생성망 학습부는, 다수개의 클래스들의 특징들이 섞인 이미지들을 생성하는 것을 특징으로 하는, GAN의 학습 안정성 및 생성 이미지 다양성 증진 장치.