Desarrollo de una aplicación web que genere rostros de personas que no existen en el mundo real

Abstract

Con el creciente desarrollo de la Generative Adversarial Network (GAN), la generación de imágenes son un desafío emocionante en el campo del aprendizaje profundo y la inteligencia artificial. A nivel internacional se han desarrollado diversos trabajos relacionados a modelos de redes generativas antagónicas, pero una brecha significativa persiste en la falta de comparativas entre diferentes algoritmos. La capacidad de generar imágenes inexistentes que se asemejen en gran medida a las imágenes del mundo real es interesante para muchos casos de uso. En la presente investigación se propone desarrollar una aplicación web basada en redes neuronales preexistentes, utilizando la tecnología generativa antagónica para generar rostros de personas. En este estudio, se consideró como población de estudio a los 5.000 rostros que pertenecen el conjunto de datos FFHQ Face Dataset (2.500 rostro mujer) y (2.500 rostro de hombre). Las técnicas que fueron empleadas están basadas en dos modelos utilizando los siguientes algoritmos: Generative Adversarial Network (GAN) y Red Adversarial Generativa Convolucional Profunda (DCGAN). Las mediciones estadísticas de la matriz de confusión como resultado de la clasificación se utilizaron como métricas de rendimiento. Los resultados permiten concluir que el modelo (DCGAN) es el mejor método de clasificación, debido a su mejor predicción de los valores obtenidos de verdaderos positivos, y verdaderos negativos, además, la media de la precisión del modelo fue de 85,02%, superior al otro modelo. La aplicación desarrollada ha cumplido con éxito el objetivo principal de generar rostros humanos a partir de algoritmos de inteligencia artificial.