用于结构化输出神经网络半监督训练的对抗正则化
计算机视觉与模式识别
2017-02-09 v1
摘要
我们提出一种用于结构化输出神经网络的半监督训练方法。受生成对抗网络(GAN)框架的启发，我们训练一个判别器网络来捕捉网络输出质量的概念。为此，我们利用在有标注训练数据和无标注数据上获得的输出之间的定性差异。然后我们将该判别器用作无标注数据的误差信号来源。这有效提升了网络在留出测试集上的性能。图像分割中的初步实验表明，所提出的框架能够在使用少一半标注的情况下，达到与全监督场景相同的网络性能。
引用
@article{arxiv.1702.02382,
title = {An Adversarial Regularisation for Semi-Supervised Training of Structured Output Neural Networks},
author = {Mateusz Koziński and Loïc Simon and Frédéric Jurie},
journal= {arXiv preprint arXiv:1702.02382},
year = {2017}
}