{"id":184383,"date":"2023-08-25T18:41:53","date_gmt":"2023-08-25T17:41:53","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=184383"},"modified":"2023-10-30T15:43:48","modified_gmt":"2023-10-30T14:43:48","slug":"gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern","title":{"rendered":"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"184383\" class=\"elementor elementor-184383\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-88a9697 e-flex e-con-boxed e-con\" data-id=\"88a9697\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-4c886533 e-con-full e-flex e-con\" data-id=\"4c886533\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-307b9eb4 elementor-widget elementor-widget-image\" data-id=\"307b9eb4\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"796\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/perso1.png\" class=\"attachment-large size-large wp-image-184387\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/perso1.png 939w, https:\/\/datascientest.com\/de\/files\/2023\/08\/perso1-300x298.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/08\/perso1-150x150.png 150w, https:\/\/datascientest.com\/de\/files\/2023\/08\/perso1-768x764.png 768w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-7080b385 e-con-full e-flex e-con\" data-id=\"7080b385\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-720b9099 elementor-widget elementor-widget-image\" data-id=\"720b9099\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"512\" height=\"511\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/perso2.png\" class=\"attachment-large size-large wp-image-184388\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/perso2.png 512w, https:\/\/datascientest.com\/de\/files\/2023\/08\/perso2-300x300.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/08\/perso2-150x150.png 150w\" sizes=\"(max-width: 512px) 100vw, 512px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-46c0a580 e-con-full e-flex e-con\" data-id=\"46c0a580\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-678bbacd elementor-widget elementor-widget-image\" data-id=\"678bbacd\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"512\" height=\"510\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/perso3.png\" class=\"attachment-large size-large wp-image-184389\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/perso3.png 512w, https:\/\/datascientest.com\/de\/files\/2023\/08\/perso3-300x300.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/08\/perso3-150x150.png 150w\" sizes=\"(max-width: 512px) 100vw, 512px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-34f1fef e-flex e-con-boxed e-con\" data-id=\"34f1fef\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-24dd4e9 e-con-full e-flex e-con\" data-id=\"24dd4e9\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3cd6f85 elementor-widget elementor-widget-heading\" data-id=\"3cd6f85\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">GAN Machine Learning: Was haben diese drei Personen gemeinsam? Keine von ihnen existiert im wirklichen Leben und jedes dieser Fotos wurde von dieser Website generiert. Aber wie kann diese Seite es schaffen, so fotorealistische und unterschiedliche Personen zu generieren? <\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4989600 elementor-widget elementor-widget-text-editor\" data-id=\"4989600\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Dank des <strong>StyleGAN2-Algorithmus<\/strong>, der von einem Forscherteam von<strong> NVIDIA<\/strong> entwickelt wurde! Dieser noch sehr neue <a href=\"https:\/\/datascientest.com\/de\/algorithmus-was-ist-das-wozu-dient-er\">Algorithmus<\/a> (Februar 2019) baut auf einer ersten Version auf, die das Team 2018 ver\u00f6ffentlicht hat, und basiert selbst auf der<a href=\"https:\/\/datascientest.com\/de\/stiluebertragung-mit-cyclegan\"> GAN-Architektur.<\/a><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-84e2f51 e-flex e-con-boxed e-con\" data-id=\"84e2f51\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-4c1b461 e-con-full e-flex e-con\" data-id=\"4c1b461\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-a9d62d7 elementor-widget elementor-widget-heading\" data-id=\"a9d62d7\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">GAN Machine Learning -  Was ist ein GAN? <\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-a320bb6 e-flex e-con-boxed e-con\" data-id=\"a320bb6\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-b1b7d67 e-con-full e-flex e-con\" data-id=\"b1b7d67\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-7e76728 elementor-widget elementor-widget-text-editor\" data-id=\"7e76728\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Ein <strong>GAN (Generative Adversarial Network)<\/strong> ist ein sehr effektiver, nicht \u00fcberwachter Lernalgorithmus, der bei bestimmten Problemen der Computervision weit verbreitet ist.<\/p><p>Es ist insbesondere diese Art von <strong>maschinellem Lernalgorithmus<\/strong>, der verwendet wird, um die <a href=\"https:\/\/datascientest.com\/de\/kuenstliche-intelligenz-deepfake-detector-sind-inzwischen-unentbehrlich-geworden\">Deepfakes<\/a> zu erstellen, die wir in einem unserer vorherigen Artikel besprochen haben.<\/p><p>Konkret besteht ein <strong>GAN<\/strong> aus zwei neuronalen Netzen, die gleichzeitig gegeneinander trainieren, um falsche Bilder zu erzeugen.<\/p><p>Das erste ist der <strong>Generator (G)<\/strong>, der aus einem zuf\u00e4lligen Rauschvektor (z) falsche Bilder von Gesichtern erzeugt. Dies erm\u00f6glicht es dem Algorithmus, bei jeder neuen Iteration ein anderes Gesicht zu erzeugen.<\/p><p>Der <strong>Diskriminator (D)<\/strong> hingegen lernt, zwischen den vom Generator erzeugten falschen Bildern und dem echten Leben zu unterscheiden. In der Praxis ist er also ein Klassifizierer.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-e595668 e-flex e-con-boxed e-con\" data-id=\"e595668\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-5c517b03 e-con-full e-flex e-con\" data-id=\"5c517b03\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-226939f0 elementor-widget elementor-widget-image\" data-id=\"226939f0\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t\t<a href=\"https:\/\/theconversation.com\/competition-entre-reseaux-de-neurones-artificiels-pour-creer-des-images-realistes-110005\" target=\"_blank\">\n\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"449\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-4-1024x575.png\" class=\"attachment-large size-large wp-image-184390\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-4-1024x575.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-4-300x169.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-4-768x431.png 768w, https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-4.png 1200w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Quelle:The conversation<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ee3d5e0 e-flex e-con-boxed e-con\" data-id=\"ee3d5e0\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-51ccc0a e-con-full e-flex e-con\" data-id=\"51ccc0a\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6c85c59 elementor-widget elementor-widget-text-editor\" data-id=\"6c85c59\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Zu Beginn wird keines der <strong>beiden Netzwerke<\/strong> trainiert. W\u00e4hrend des Trainings wird der Diskriminator sowohl mit realen Bildern als auch mit Bildern aus dem <a href=\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\">Generator konfrontiert.<\/a> Sein Ziel ist es dann, die Herkunft jedes Bildes zu unterscheiden. Parallel dazu lernt der Generator, ein Bild zu erzeugen, das den Diskriminator t\u00e4uschen kann. Mit der Zeit wird der Generator immer besser darin, realistische Bilder zu erzeugen, w\u00e4hrend es dem Diskriminator gelingt, Fehler in den immer leichteren gef\u00e4lschten Bildern zu finden.<\/p><p>Durch diesen adversen Lernprozess kann das neuronale Netz lernen, so realistisch Fotografien von Menschen zu erstellen.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-cacaca7 e-flex e-con-boxed e-con\" data-id=\"cacaca7\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-fdc6ea0 e-con-full e-flex e-con\" data-id=\"fdc6ea0\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-c9063fb elementor-widget elementor-widget-heading\" data-id=\"c9063fb\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">GAN Machine Learning: Woher kommt GAN?<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cdc1cb9 elementor-widget elementor-widget-text-editor\" data-id=\"cdc1cb9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><a href=\"https:\/\/datascientest.com\/de\/kuenstliche-intelligenz\">K\u00fcnstliche Intelligenz<\/a> hat riesige Fortschritte gemacht, wenn es darum geht, Objekte in einem Bild zu identifizieren.<\/p><p>Die KI ist z. B. auch in der Lage, die Regeln eines Spiels zu entwirren, indem sie tausende Male gegen sich selbst spielt. Problematisch wird es jedoch, wenn man von einer <strong>KI<\/strong> verlangt, etwas Neues zu schaffen, etwas, das es vorher nicht gab. Denn die KI kann zwar unsere <strong>Intelligenz simulieren,<\/strong> aber nicht unsere Vorstellungskraft.<\/p><p>W\u00e4hrend einer Diskussion in einer Bar mit anderen Doktoranden im Jahr 2014 hatte ein Student der Universit\u00e4t Montreal namens Ian Goodfellow eine Idee, wie man diese H\u00fcrde \u00fcberwinden k\u00f6nnte.<\/p><p>Wie fast alles in der Wissenschaft lie\u00df sich der junge Mann von fr\u00fcheren Forschungen inspirieren, wie den von J\u00fcrgen Schmidhuber in den 1990er Jahren ver\u00f6ffentlichten Arbeiten \u00fcber &#8222;Predictability Minimization&#8220; (Verringerung der Vorhersagbarkeit) und &#8222;Artificial Curiosity&#8220; (k\u00fcnstliche Neugier) sowie dem Konzept des &#8222;Turing-Learning&#8220;.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f55c0d6 e-flex e-con-boxed e-con\" data-id=\"f55c0d6\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-25941a2 e-con-full e-flex e-con\" data-id=\"25941a2\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4bdf0bd elementor-widget elementor-widget-heading\" data-id=\"4bdf0bd\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">GAN Machine Learning: Wozu dient GAN?<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-195634a elementor-widget elementor-widget-text-editor\" data-id=\"195634a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Eine der neuesten und \u00fcberraschendsten Anwendungen dieser Technologie, die es erm\u00f6glicht, &#8222;<a href=\"https:\/\/datascientest.com\/de\/gesichtserkennung-entschluesselung-ihrer-funktionsweise\">ein Gesicht auf ein anderes zu setzen<\/a>&#8222;, ist die Generierung von falschen menschlichen Gesichtern wie das von Nvidia entwickelte <strong>DCGAN<\/strong>. Dieser erm\u00f6glicht es nun, hyperrealistische (oder fast hyperrealistische) Gesichter zu erzeugen, die keiner echten Person entsprechen.<\/p><p>Auf der Grundlage dieser Technologie wurden auch mehrere Webgeneratoren entwickelt. Sie beschr\u00e4nken sich nicht auf Gesichter, sondern verwenden Manga-Figuren oder Katzen.<\/p><p>Aber der Nutzen eines <a href=\"https:\/\/datascientest.com\/de\/deep-convolutional-gan-was-ist-das\">GAN<\/a> beschr\u00e4nkt sich nicht nur auf Bilder. Es kann auch in Videos verwendet werden, wie im Fall der umstrittenen Deepfakes.<\/p><p><strong>Goodfellow<\/strong> ist jedoch davon \u00fcberzeugt, dass seine Kreation der Menschheit noch viel mehr bieten kann.<\/p><p><strong>GAN<\/strong> hat das Potenzial, Gegenst\u00e4nde zu erzeugen, die wir in der realen Welt verwenden k\u00f6nnen. In einer nicht allzu fernen Zukunft k\u00f6nnte GAN in verschiedenen Disziplinen eingesetzt werden, z. B. bei der Entwicklung von Medikamenten, schnelleren Chips, erdbebensicheren Geb\u00e4uden, effizienteren Fahrzeugen oder kosteng\u00fcnstigen Geb\u00e4uden.<\/p><p>Dabei ist zu ber\u00fccksichtigen, dass diese Technologie noch in den Kinderschuhen steckt.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-0692213 e-flex e-con-boxed e-con\" data-id=\"0692213\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-91f4218 e-con-full e-flex e-con\" data-id=\"91f4218\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-e118efe elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"e118efe\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/de\/weiterbildung-deep-learning\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecke unsere Deep Learning Ausbildung<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-d90e026 e-flex e-con-boxed e-con\" data-id=\"d90e026\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-f6c0414 e-con-full e-flex e-con\" data-id=\"f6c0414\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-ab722e3 elementor-widget elementor-widget-heading\" data-id=\"ab722e3\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Die Verbesserungen des StyleGAN<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-b8812c1 e-flex e-con-boxed e-con\" data-id=\"b8812c1\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-fc7eed4 e-con-full e-flex e-con\" data-id=\"fc7eed4\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d0cfa0d elementor-widget elementor-widget-text-editor\" data-id=\"d0cfa0d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Die <strong>GAN-Architektur<\/strong> weist jedoch noch einige Einschr\u00e4nkungen auf:<\/p><ul><li>Es ist schwierig, hochaufl\u00f6sende Bilder f\u00fcr <a href=\"https:\/\/datascientest.com\/de\/stiluebertragung-mit-cyclegan\">GAN<\/a> zu erzeugen. Dies liegt daran, dass die Anzahl der Parameter, die von Anfang an gelernt werden m\u00fcssen, besonders hoch ist.<\/li><li>Den erzeugten Bildern fehlte es an Vielfalt. GANs sind ziemlich anf\u00e4llig f\u00fcr den so genannten &#8218;collapse mode&#8216;.<\/li><li>Das hei\u00dft, dass der Generator immer die gleichen Bilder erzeugt, die es schaffen, den Diskriminator zu t\u00e4uschen.<\/li><li>Schlie\u00dflich kann man die Ausgabeeigenschaften der erzeugten Bilder nicht kontrollieren.<\/li><\/ul><p>\u00a0<\/p><p>Durch <strong>Progressive Growing<\/strong> oder allm\u00e4hliches Wachstum k\u00f6nnen die Aufl\u00f6sungsbeschr\u00e4nkungen gel\u00f6st werden. Konkret bedeutet adaptives Growing, dass das Modell auf Bildern mit steigender Aufl\u00f6sung trainiert wird. W\u00e4hrend des Lernens werden dem Generator und Diskriminator weitere Schichten hinzugef\u00fcgt, um mit Bildern mit h\u00f6herer Aufl\u00f6sung zu arbeiten und gleichzeitig die Vorteile des bereits erfolgten Lernens zu nutzen.<\/p><p>Dar\u00fcber hinaus verbessert das Progressive Growing auch die Stabilit\u00e4t des Algorithmus und die Vielfalt der erzeugten Bilder.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-8b4c491 e-flex e-con-boxed e-con\" data-id=\"8b4c491\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-2e733d56 e-con-full e-flex e-con\" data-id=\"2e733d56\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-7e474b09 elementor-widget elementor-widget-image\" data-id=\"7e474b09\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"605\" height=\"379\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-5.png\" class=\"attachment-large size-large wp-image-184391\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-5.png 605w, https:\/\/datascientest.com\/de\/files\/2023\/08\/pasted-image-0-5-300x188.png 300w\" sizes=\"(max-width: 605px) 100vw, 605px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f6b74fe e-flex e-con-boxed e-con\" data-id=\"f6b74fe\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-dce1dcb e-con-full e-flex e-con\" data-id=\"dce1dcb\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2d9e337 elementor-widget elementor-widget-text-editor\" data-id=\"2d9e337\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Um die Eigenschaften der erzeugten Bilder zu kontrollieren, versucht man, den Rauschvektor (z) mit den gew\u00fcnschten<strong> Eigenschaften zu dekorrelieren (disentangle).<\/strong><\/p><p>Stell dir vor, du m\u00f6chtest eine Person mit Brille erzeugen: Wenn du nur einen Wert des Rauschvektors \u00e4nderst, kann das viele verschiedene Ver\u00e4nderungen hervorrufen. Das liegt daran, dass ein Rauschwert nicht direkt mit einem einzigen <strong>Merkmal des Bildes<\/strong> korreliert ist. Man versucht also, die Dimensionen des Rauschvektors mit den Bildfeatures zu entflechten.<\/p><p>Die<strong> Entflechtung<\/strong> wird insbesondere dadurch erm\u00f6glicht, dass ein Zwischen-Rauschvektor in einem Unterraum erzeugt wird, in dem die Dimensionen entkorreliert sind.<\/p><p>Schlie\u00dflich verwendet <strong>StyleGan<\/strong> weitere, komplexere Verbesserungen wie Adaptive Instance Normalization und<strong> Style Mixing.<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ae18961 e-flex e-con-boxed e-con\" data-id=\"ae18961\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-67ff5d8 e-con-full e-flex e-con\" data-id=\"67ff5d8\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-48affc1 elementor-widget elementor-widget-heading\" data-id=\"48affc1\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Fazit - GAN Machine Learning<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-affa075 e-flex e-con-boxed e-con\" data-id=\"affa075\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-b1cb4a5 e-con-full e-flex e-con\" data-id=\"b1cb4a5\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-34dd052 elementor-widget elementor-widget-text-editor\" data-id=\"34dd052\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Durch die Behebung einiger M\u00e4ngel des klassischen <strong>GAN<\/strong> haben <strong>StyleGAN<\/strong> und sein Nachfolger <strong>StyleGAN2<\/strong> den Stand der Technik f\u00fcr die Erzeugung realistischer Bilder durch <a href=\"https:\/\/datascientest.com\/de\/machine-learning-projekt-wie-bereite-ich-meine-umgebung-vor-bevor-ich-ein-projekt-beginne\">maschinelles Lernen<\/a> definiert.<\/p><p>Es gibt jedoch noch einige Punkte, die verbessert werden m\u00fcssen, wie z. B. die Behandlung von Hintergr\u00fcnden.<\/p><p>Auf dieser Website kannst du \u00fcben, Bilder zu erkennen, indem du den <strong>Diskriminator spielst.<\/strong><\/p><p>Wenn du mehr \u00fcber <a href=\"https:\/\/datascientest.com\/de\/computer-vision\">Computer Vision<\/a> und k\u00fcnstliche Intelligenz, die auf Bilder angewandt wird, lernen m\u00f6chtest: Entdecke einen unserer Kurse.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-9b85158 e-flex e-con-boxed e-con\" data-id=\"9b85158\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-de84911 e-con-full e-flex e-con\" data-id=\"de84911\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-69236d4 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"69236d4\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecke unsere Weiterbildungen<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-73f7fbe e-flex e-con-boxed e-con\" data-id=\"73f7fbe\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-4777fbb e-con-full e-flex e-con\" data-id=\"4777fbb\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-5e1c756 elementor-widget elementor-widget-html\" data-id=\"5e1c756\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script>\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"FAQPage\",\n  \"mainEntity\": [{{\n    \"@type\": \"Question\",\n    \"name\": \"Was ist ein GAN?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Ein GAN (Generative Adversarial Network) ist ein sehr effektiver, nicht \u00fcberwachter Lernalgorithmus, der bei bestimmten Problemen der Computervision weit verbreitet ist.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Woher kommt GAN?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Die k\u00fcnstliche Intelligenz hat riesige Fortschritte gemacht, wenn es darum geht, Objekte in einem Bild zu identifizieren. KI ist auch in der Lage, die Regeln eines Spiels zu entschl\u00fcsseln, indem sie tausende Male gegen sich selbst spielt. Problematisch wird es jedoch, wenn man von einer KI verlangt, etwas Neues zu schaffen, etwas, das es vorher nicht gab. Denn die KI kann unsere Intelligenz simulieren, aber nicht unsere Vorstellungskraft\".\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Wozu dient die GAN?\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Eine der neuesten und \u00fcberraschendsten Anwendungen dieser Technologie, die es erm\u00f6glicht, ein Gesicht auf ein anderes zu \u00fcbertragen, ist der Generator f\u00fcr falsche menschliche Gesichter wie DCGAN, der von Nvidia entwickelt wurde. Diese Technologie erm\u00f6glicht es nun, hyperrealistische (oder fast hyperrealistische) Gesichter zu erzeugen, die keiner echten Person entsprechen.\"\n    }\n  }]\n}\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>GAN Machine Learning: Was haben diese drei Personen gemeinsam? Keine von ihnen existiert im wirklichen Leben und jedes dieser Fotos wurde von dieser Website generiert. Aber wie kann diese Seite es schaffen, so fotorealistische und unterschiedliche Personen zu generieren? Dank des StyleGAN2-Algorithmus, der von einem Forscherteam von NVIDIA entwickelt wurde! Dieser noch sehr neue Algorithmus [&hellip;]<\/p>\n","protected":false},"author":67,"featured_media":184386,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern<\/title>\n<meta name=\"description\" content=\"GAN Machine Learning: Generative Adversarial Networks (GANs) sind eine aufregende Entwicklung im Bereich des maschinellen Lernens,\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern\" \/>\n<meta property=\"og:description\" content=\"GAN Machine Learning: Was haben diese drei Personen gemeinsam? Keine von ihnen existiert im wirklichen Leben und jedes dieser Fotos wurde von dieser\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-08-25T17:41:53+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T14:43:48+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/08\/gan-ML.png\" \/>\n\t<meta property=\"og:image:width\" content=\"768\" \/>\n\t<meta property=\"og:image:height\" content=\"421\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Melanie\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Melanie\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern\"},\"author\":{\"name\":\"Melanie\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\"},\"headline\":\"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern\",\"datePublished\":\"2023-08-25T17:41:53+00:00\",\"dateModified\":\"2023-10-30T14:43:48+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern\"},\"wordCount\":1032,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern\",\"url\":\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern\",\"name\":\"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-08-25T17:41:53+00:00\",\"dateModified\":\"2023-10-30T14:43:48+00:00\",\"description\":\"GAN Machine Learning: Generative Adversarial Networks (GANs) sind eine aufregende Entwicklung im Bereich des maschinellen Lernens,\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\",\"name\":\"Melanie\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"caption\":\"Melanie\"},\"url\":\"https:\/\/datascientest.com\/de\/author\/melaniekrause\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern","description":"GAN Machine Learning: Generative Adversarial Networks (GANs) sind eine aufregende Entwicklung im Bereich des maschinellen Lernens,","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern","og_locale":"de_DE","og_type":"article","og_title":"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern","og_description":"GAN Machine Learning: Was haben diese drei Personen gemeinsam? Keine von ihnen existiert im wirklichen Leben und jedes dieser Fotos wurde von dieser","og_url":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-08-25T17:41:53+00:00","article_modified_time":"2023-10-30T14:43:48+00:00","og_image":[{"width":768,"height":421,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/08\/gan-ML.png","type":"image\/png"}],"author":"Melanie","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Melanie","Gesch\u00e4tzte Lesezeit":"7 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern"},"author":{"name":"Melanie","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d"},"headline":"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern","datePublished":"2023-08-25T17:41:53+00:00","dateModified":"2023-10-30T14:43:48+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern"},"wordCount":1032,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern","url":"https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern","name":"GAN Machine Learning: Praktische Anwendung mit fiktiven Gesichtern","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-08-25T17:41:53+00:00","dateModified":"2023-10-30T14:43:48+00:00","description":"GAN Machine Learning: Generative Adversarial Networks (GANs) sind eine aufregende Entwicklung im Bereich des maschinellen Lernens,","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/gan-machine-learning-praktische-anwendung-mit-fiktiven-gesichtern"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d","name":"Melanie","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","caption":"Melanie"},"url":"https:\/\/datascientest.com\/de\/author\/melaniekrause"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/184383"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/67"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=184383"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/184383\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/184386"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=184383"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=184383"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=184383"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}