用于手写字符超分辨的生成对抗分类器
计算机视觉与模式识别
2019-01-21 v1 人工智能
机器学习
摘要
生成对抗网络(GAN)因在图像生成、变换和超分辨率方面的优异表现近来受到极大关注。然而,GAN 很少被研究和训练用于分类,导致生成的图像可能不适合分类。本文中,我们提出一种新颖的生成对抗分类器(GAC),特别针对低分辨率手写字符识别。具体而言,GAC 在常规 GAN 的训练过程中额外引入一个分类器,从而被校准以学习有益于分类的合适结构和复原的字符图像。实验结果表明,我们提出的方法在手写字符 8倍 超分辨率上可取得显著性能,在基准数据 CASIA-HWDB1.1 和 MNIST 上分别比当前最优(state-of-the-art)方法高出约 10% 和 20%。
引用
@article{arxiv.1901.06199,
title = {Generative Adversarial Classifier for Handwriting Characters Super-Resolution},
author = {Zhuang Qian and Kaizhu Huang and Qiufeng Wang and Jimin Xiao and Rui Zhang},
journal= {arXiv preprint arXiv:1901.06199},
year = {2019}
}
备注
7 pages, 4 figures