Edit README.md

README.md

@@ -52,8 +52,10 @@ Pour améliorer la génération d'images et éviter les ambiguïtés entre certa
 | **cGAN** | Le générateur apprend à produire des images conditionnées sur le label de classe. Le discriminateur ne fait que distinguer le vrai du faux. | Peut générer des chiffres réalistes mais parfois ambiguës (ex: confusion entre 3 et 7). |
 | **cGAN avec Discriminateur Multi-Class** | Le générateur produit des chiffres conditionnés sur le label, et le discriminateur apprend à classifier les images dans une des 10 catégories de chiffres ou comme fausses. | Améliore la qualité des images générées et réduit l’ambiguïté entre les chiffres. |
 
-#### Exemples d'images générées par le cGAN avec Discriminateur Multi-Class :
-(Insérer ici des images d'exemples)
+#### Exemples d'images générées de numéro (3) par le cGAN avec Discriminateur (real/fake) :
+![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3(1).png)
+#### Exemples d'images générées de numéro (3) par le cGAN avec Discriminateur Multi-Class :
+![images d'exemples de chiffres générés par le DCGAN](images/generated_mnist_num3(2).png)
 
 ## Conclusion
 - Les GANs permettent de générer des chiffres manuscrits réalistes.