写在前面:最近看了《GAN实战》,由于本人忘性大,所以仅是笔记而已,方便回忆,如果能帮助大家就更好了。
半监督学习是GAN在实际应用中最有前途的领域之一。
半监督学习只为训练数据集的一小部分提供类别标签,从这一小部分集中归纳,以有效的对未见过的新样本进行分类。要使半监督学习有效,标签数据和无标签数据必须来自相同的基本分布。
半监督生成对抗网络 Semi-Supervised GAN
其最特殊的一点:鉴别器是一个多分类器,与传统的GAN(二分类,真假问题判断)不同,SGAN的鉴别器学会分N+1类,其中N是训练数据集中的类数,生成器的伪样本增加了一类。
由架构图可以看到,鉴别器是3中输入:
(1)训练数据集无标签的真实样本
(2)训练数据集有标签的真实样本
(3)生成器生成的伪样本
生成器 | 鉴别器 | |
---|---|---|
输入 | 一个随机向量 | 鉴别器是3中输入:
|
输出 | 尽可能令人相信的伪样本 | 表示输入样本属于N个真实类别的某一个或者属于伪样本的可能性 |
目标 | 生成与训练数据集别无二致的伪样本,以欺骗鉴别器,使之将伪样本分到真实类 | 学会将正确的类别标签分配给真实的样本,同时将来自生成器的所有样本判别为假 |