排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
传统的机器学习方法需要大量的含标注数据集来训练模型,并且容易引发过拟合,而生成对抗网络可以无监督地进行训练。此外,互信息约束能够让模型生成指定类别的数据,可用于扩充数据集。提出InfoCatGAN和C-InfoGAN两种模型,前者在CatGAN的基础上增加了互信息约束,使得生成的图片更加逼真;后者使用InfoGAN模型中的辅助网络Q做分类,能够在生成高质量图片的同时,达到较好的分类准确率。二者均能通过隐变量控制生成图片的类别,这对数据增强具有一定意义。另外,在加入少量标签信息之后,模型的准确率能有所提升。 相似文献
1