EC-GAN：基于半监督算法与 GAN 的小样本分类

Ayaan Haque

EC-GAN：基于半监督算法与 GAN 的小样本分类

机器学习 2021-06-23 v3 计算机视觉与模式识别

作者: Ayaan Haque

摘要

半监督学习正受到关注，因为它允许在有限标注数据下执行分类等图像分析任务。一些使用生成对抗网络（GANs）进行半监督分类的流行算法对分类和判别共享单一架构。然而，这可能需要模型为每个任务收敛到单独的数据分布，从而降低整体性能。尽管半监督学习已取得进展，但较少被解决的是小规模、全监督任务，其中连未标注数据也不可用且无法获取。因此，我们提出一种新颖的 GAN 模型，即外部分类器 GAN（EC-GAN），利用 GAN 和半监督算法改善全监督机制下的分类。我们的方法借助 GAN 生成用于补充监督分类的人工数据。更具体地，我们将一个外部分类器（故名 EC-GAN）连接到 GAN 的生成器，而非与判别器共享架构。我们的实验表明，EC-GAN 的性能可与共享架构方法相媲美，远优于标准数据增强和基于正则化的方法，并且在小规模真实数据集上有效。

关键词

半监督学习生成对抗网络（GAN）外部分类器 GAN（EC-GAN）小样本分类外部分类器数据增强图像分类

引用

@article{arxiv.2012.15864,
  title  = {EC-GAN: Low-Sample Classification using Semi-Supervised Algorithms and GANs},
  author = {Ayaan Haque},
  journal= {arXiv preprint arXiv:2012.15864},
  year   = {2021}
}

备注

AAAI 2021; 7 pages, 7 figures, 2 tables

EC-GAN：基于半监督算法与 GAN 的小样本分类

摘要

关键词

引用

备注

相关论文