基于GAN的特征抽取 Feature Extraction by GAN

InfoGAN

期望的是 input 的每一个维度都能表示输出数据的某种特征。但实际改变输入的一个特定维度取值，很难发现输出数据随之改变的规律。

 

InfoGAN 就是想解决这个问题。在 GAN 结构以外，把输入 z 分成两个部分 c 和 z' ，然后根据 generated data x 来预测给到 generator 的 c 是什么，这里的ae 做的事情是 code-x-code。同时还需要 discriminator 来配合，x 还必须要足够像目标数据（要不 generator 直接把 c 复制过来就最容易让 classifer 预测对）。

 

为了要让 classifer 可以成功从 x 中预测原来的 c（能反推回去），那 generator 就要让 c 的每一个维度都对 output 有一个明确的影响。就让 z' 去表示那些无法解释的特征。