基于上下文条件生成对抗网络的半监督学习
计算机视觉与模式识别
2024-03-15 v1
摘要
我们引入一种简单的基于修复(in-painting)并利用对抗损失的半监督图像学习方法。将随机去除图像块的图像输入生成器，其任务是根据周围像素填补空缺。随后将修复后的图像送入判别器网络，该网络判断它们是否为真实图像（未更改的训练图像）。该任务充当判别器标准监督训练的正则化项。使用我们的方法，我们能够以半监督方式直接训练大型 VGG 风格网络。我们在 STL-10 和 PASCAL 数据集上评估，我们的方法取得了与现有方法相当或更优的性能。
引用
@article{arxiv.1611.06430,
title = {Semi-Supervised Learning with Context-Conditional Generative Adversarial Networks},
author = {Remi Denton and Sam Gross and Rob Fergus},
journal= {arXiv preprint arXiv:1611.06430},
year = {2024}
}