注意力感知生成对抗网络 (ATA-GANs)
计算机视觉与模式识别
2018-10-09 v1
摘要
本工作中，我们提出一种训练生成对抗网络 (GANs) 的新方法。利用教师网络产生的注意力图，我们能够提升生成图像的质量，并对生成图像进行弱监督目标定位。为此，我们生成经间接免疫荧光 (IIF) 捕获的 HEp-2 细胞图像，并研究我们的网络对该细胞进行弱定位的能力。首先，我们证明尽管 GANs 能高效地学习输入域与目标分布之间的映射，判别器网络却无法检测感兴趣区域。其次，我们提出一种新颖的注意力迁移机制，通过迁移学习强制判别器将重点放在感兴趣区域上。第三，我们展示这会带来更真实的图像，因为判别器学会了将重点放在感兴趣区域。第四，所提方法能够同时生成图像与注意力图，后者可用于数据标注，例如目标检测中。
引用
@article{arxiv.1802.09070,
title = {Attention-Aware Generative Adversarial Networks (ATA-GANs)},
author = {Dimitris Kastaniotis and Ioanna Ntinou and Dimitrios Tsourounis and George Economou and Spiros Fotopoulos},
journal= {arXiv preprint arXiv:1802.09070},
year = {2018}
}