用于半监督图像分类的多类生成对抗网络
计算机视觉与模式识别
2021-02-23 v2 人工智能
摘要
从生成前所未见的图像到域适应，生成对抗网络（GANs）在视觉与图形问题领域的应用十分广泛。凭借GANs在学习分布和生成特定类别图像方面的卓越能力，它们可用于半监督分类任务。然而问题在于，若两类图像具有相似特征，GAN可能学会泛化，从而妨碍这两类的分类。本文中，我们使用来自MNIST和Fashion-MNIST数据集的多种图像，说明相似图像如何导致GAN泛化，进而造成图像分类性能低下。我们提出了一种对传统GAN训练方案的改进，可在半监督学习框架下改善相似类别图像的多类分类。
引用
@article{arxiv.2102.06944,
title = {Multi-class Generative Adversarial Nets for Semi-supervised Image Classification},
author = {Saman Motamed and Farzad Khalvati},
journal= {arXiv preprint arXiv:2102.06944},
year = {2021}
}