学习GAN模型量化评价，先从掌握FID开始吧( 六 )

2019-10-14

首先，通过加载经过预训练的 Inception v3 模型来计算 FID 分数。

删除模型原本的输出层，将输出层换为最后一个池化层（即全局空间池化层）的激活函数输出值。此输出层有 2,048 维的激活向量，因此，每个图像被预测为 2,048 个激活特征。该向量被称为图像的编码向量或特征向量。

针对一组来自问题域的真实图像，预测 2,048 维的特征向量，用来提供真实图像表征的参考。然后可以计算合成图像的特征向量。

结果就是真实图像和生成图像各自的 2,048 维特征向量的集合。

然后使用以下公式计算 FID 分数：

该分数被记为 d^2，表示它是一个有平方项的距离。

「mu_1」和「mu_2」指的是真实图像和生成图像的特征均值（例如，2,048 维的元素向量，其中每个元素都是在图像中观察到的平均特征）。

C_1 和 C_2 是真实图像的和生成图像的特征向量的协方差矩阵，通常被称为 sigma。

推荐阅读

上一篇：深度解读：如何使数据发挥最大的价值？

下一篇：DCM赵磊：另辟蹊径，人多的地方要少去