摘要
摘要
生成对抗网络(GenerativeAdversarialNetworks,GANs)因其强大的数据生成与表
示学习能力,已成为深度学习领域的研究热点,并广泛应用于图像分类任务。然而深度
学习以数据为驱动,传统GANs性能依赖于大量高质量标签数据。而现实场景中获取高
质量标注数据的代价昂贵。将半监督学习引入生成对抗网络,可充分利用有限的标签数
据与大量的无标签数据提升模型泛化能力。现阶
摘要
摘要
生成对抗网络(GenerativeAdversarialNetworks,GANs)因其强大的数据生成与表
示学习能力,已成为深度学习领域的研究热点,并广泛应用于图像分类任务。然而深度
学习以数据为驱动,传统GANs性能依赖于大量高质量标签数据。而现实场景中获取高
质量标注数据的代价昂贵。将半监督学习引入生成对抗网络,可充分利用有限的标签数
据与大量的无标签数据提升模型泛化能力。现阶
文档评论(0)