利用 GAN 合成信息丰富的训练样本
机器学习
2022-12-22 v2 计算机视觉与模式识别
摘要
利用生成对抗网络（GAN）合成照片级真实感图像已取得显著进展。近来，当获取或存储真实训练数据昂贵甚至不可行时，GAN 被用作训练样本生成器。然而，传统 GAN 生成的图像在用于训练深度神经网络时，不如真实训练样本信息丰富。本文中，我们提出一种利用 GAN 合成信息丰富训练样本（IT-GAN）的新方法。具体而言，我们冻结预训练的 GAN 模型，并学习对应于信息丰富训练样本的潜在向量。所合成的图像被要求保留用于训练深度神经网络的信息，而非视觉真实感或保真度。实验验证，使用我们的 IT-GAN 生成图像训练时，深度神经网络学习更快且取得更好性能。我们还表明，我们的方法是数据集浓缩问题的一个有前景的解决方案。
引用
@article{arxiv.2204.07513,
title = {Synthesizing Informative Training Samples with GAN},
author = {Bo Zhao and Hakan Bilen},
journal= {arXiv preprint arXiv:2204.07513},
year = {2022}
}
备注
NeurIPS 2022 Workshop on Synthetic Data for Empowering ML Research, https://openreview.net/forum?id=frAv0jtUMfS