一、IS(inception score)
機器之心鏈接：https://www.jiqizhixin.com/articles/2019-01-10-18
很多關於 GAN 生成圖片的論文中，作者評價其模型表現的一項重要指標是 Inception Score（下文簡稱 IS）。其名字中 Inception 來源於 Google 的 Inception Net，因為計算這個 score 需要用到 Inception Net-V3（第三個版本的 Inception Net）。
Inception Net 是圖片分類網絡，在 ImageNet 數據庫上訓練，ImageNet 數據庫共有 1.2M 個 RGB 圖片，分為 1000 類。Inception Score 只是把 Inception Net-V3 作為一個工具，理解 Inception Score 不需要知道 Inception Net-V3 的細節，各種深度學習框架中都已經包含了預訓練好的 Inception Net-V3 了，直接拿來用就好了。
評價一個生成模型，我們需要考驗它兩方面性能：1. 生成的圖片是否清晰；2. 生成的圖片是否多樣。生成的圖片不夠清晰，顯然說明生成模型表現欠佳；生成的圖片夠清晰了，我們還要看是不是能生成足夠多樣的圖片，有些生成模型只能生成有限的幾種清晰圖片，陷入了所謂 mode collapse，也不是好的模型。
二、FID
1、Frechet Inception 距離得分（Frechet Inception Distance score，FID）是計算真實圖像和生成圖像的特征向量之間距離的一種度量。
2、FID 從原始圖像的計算機視覺特征的統計方面的相似度來衡量兩組圖像的相似度，這種視覺特征是使用 Inception v3 圖像分類模型計算的得到的。
分數越低代表兩組圖像越相似，或者說二者的統計量越相似，FID 在最佳情況下的得分為 0.0，表示兩組圖像相同。
FID 分數被用於評估由生成性對抗網絡生成的圖像的質量，較低的分數與較高質量的圖像有很高的相關性。
3、為了評估 GAN 在圖像生成任務中的性能，我們引入了「Frechet Inception Distance」（FID），它能比 Inception 分數更好地計算生成圖像與真實圖像的相似性。