论文笔记:unsupervised representation learning with deep convolutional generative adversarial networks

本文探讨了使用深度卷积生成对抗网络(DCGANs)进行无监督表示学习的方法,旨在解决监督网络对大量标记数据的需求。通过改进的网络架构,如使用步进卷积替代空间池化,批量归一化防止生成器坍塌,全局平均池化提高稳定性,以及在判别器中应用 leaky ReLU,提高了生成模型的稳定性和图像质量。这些改变使DCGANs能更好地生成清晰图像,从而在无监督学习中发挥作用。
摘要由CSDN通过智能技术生成
1. previous work [generative adversarial nets]
torch implementation:  https://github.com/soumith/dcgan.torch 

a. motivation: supervised network requires huge labeled data ==> generative net generates samples and helps to build unsupervised models based on CNN (Markov Chain no longer needed)  ==> Adversarial nets (GANs) 

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值