- 9
- 0
- 约11.37万字
- 约 72页
- 2024-03-19 发布于江苏
- 举报
摘要
半监督生成学习(Semi-SupervisedGenerativeLearning,SSGL)有效利用未标记的
数据,在没有足够的标记数据的情况下,对数据收集/注释工作和生成性能进行权衡。在
有限的监督下,学习精确的类语义对于类条件图像生成至关重要。为此,本文提出了一
种半监督生成对抗网络(GenerativeAdversarialNetwork,GAN),其判别器带有一个嵌
入掩码模块(Mask-EmbeddedDiscriminator,MED),称为MED-GAN。通
原创力文档

文档评论(0)