生成对抗网络在半监督学习中的应用及效果评估
计算机视觉与模式识别
2025-05-27 v1 机器学习
摘要
近年来，图像分类作为计算机视觉的核心任务，依赖于高质量的标注数据，这限制了深度学习模型在实际场景中的广泛应用。为了缓解标注样本不足的问题，半监督学习逐渐成为研究热点。在本文中，我们构建了一个基于生成对抗网络（GAN）的半监督图像分类模型，通过引入生成器、判别器和分类器的协同训练机制，实现了对有限标注数据和大量未标注数据的有效利用，提高了图像生成质量和分类精度，为复杂环境下的图像识别任务提供了有效的解决方案。
引用
@article{arxiv.2505.19522,
title = {Applications and Effect Evaluation of Generative Adversarial Networks in Semi-Supervised Learning},
author = {Jiyu Hu and Haijiang Zeng and Zhen Tian},
journal= {arXiv preprint arXiv:2505.19522},
year = {2025}
}