生成对抗网络在天城文上的性能度量
计算机视觉与模式识别
2020-07-15 v1 图像与视频处理
摘要
遵循对抗哲学以创建生成模型的神经网络运作是一个引人入胜的领域。已有多篇论文探讨了架构方面并提出了具有潜在良好结果的系统，然而，将其应用于真实世界示例的论文很少。传统上，人们使用著名的MNIST数据集作为实现生成对抗网络（GAN）的Hello, World!示例。本文未走使用手写数字的标准路线，而是使用了结构更为复杂的天城文。由于尚无常规方法来评判生成模型的表现优劣，我们构建了三个额外的分类器来评判GAN模型的输出。以下论文阐述了该实现所取得的成果。
引用
@article{arxiv.2007.06710,
title = {Measuring Performance of Generative Adversarial Networks on Devanagari Script},
author = {Amogh G. Warkhandkar and Baasit Sharief and Omkar B. Bhambure},
journal= {arXiv preprint arXiv:2007.06710},
year = {2020}
}
备注
5 pages, 5 figures