Feature Extraction
本节介绍的GAN,可以用于做feature extraction,课程pdf和video。
Info GAN
之前训练的G,输入是一个latent,然后,就会输出对应的OBJECT。我们的假设是不同维度对应着不同的特征,而事实上,这种关系可能是非常复杂的,不易知道的。
下面是InfoGAN的架构:
上面与就是传统的GAN,差别是输入z可以视为两部分组成:c和z’,同时,引入了一个classifier,这个classifier和generator组合起来,类似与autoencoder(输入是c,转成一幅图片,再预测为c)。
discriminator与classifier可以共享参数,除了最后一层不同。
再将输入的一部分划归为c,并且,训练过程中&#