Zero-shot Learning零样本学习 论文阅读(六)——Feature Generating Networks for Zero-Shot Learning
这篇CVPR 2018年发表的论文提出用对抗生成网络GAN来在特征空间生成数据的思想来解决zero-shot learning的问题。
背景
生成对抗网络GAN
生成对抗网络GAN是源自博弈论中的零和博弈,由两部分组成,分别是生成模型G(generative model)和判别模型(discriminative model)。
整个模型的目的是输入原始数据x和随机噪声信号z ,然后判别输出这个输入是真实数据还是生成的样本。
X X X是真实数据,真实数据符合 P d a t a ( x ) P_{data}(x) Pdata(x)分布。 z z z是噪声数据,噪声数据符合 P z ( z ) P_z(z) Pz(z)分布,比如高斯分布或者均匀分布。然后从噪声 z z