三玩家 GAN：生成困难样本以改进分类网络
计算机视觉与模式识别
2019-03-11 v1
摘要
我们提出了一种三玩家生成对抗网络（GAN）来改进分类网络。除了判别器与生成器之间的博弈外，还在生成器与分类器之间引入了竞争。生成器的目标是合成既真实又令分类器难以标注的样本。尽管我们对所要学习的增强类型未作假设，我们发现该模型能够合成看似真实且对分类模型而言困难的示例。此外，当分类器在这些困难样本上训练时，其鲁棒性得到增强。该方法在交通标志识别的一个公开数据集上进行了评估。
引用
@article{arxiv.1903.03496,
title = {A Three-Player GAN: Generating Hard Samples To Improve Classification Networks},
author = {Simon Vandenhende and Bert De Brabandere and Davy Neven and Luc Van Gool},
journal= {arXiv preprint arXiv:1903.03496},
year = {2019}
}
备注
Accepted for oral presentation at MVA2019