科技导报分享 http://blog.sciencenet.cn/u/kejidaobao

博文

“弄假成真”:基于对抗学习的数据增广方法

已有 2041 次阅读 2018-9-19 15:42 |系统分类:观点评述

“弄假成真”:基于对抗学习的数据增广方法

刘勇, 曾仙芳

浙江大学智能系统与控制研究所, 杭州 310027

摘要 近年来,深度学习在计算机视觉领域取得了巨大的突破,其背后是利用大量标签数据对深度网络进行监督训练,而标注大规模数据集非常昂贵且十分耗时。针对大规模数据集标注问题,苹果公司的Shrivastava团队希望借助现有的计算机仿真技术以及对抗训练的方法,实现仿真图像的无监督学习,从而避免昂贵的图像标注过程。该团队在对抗网络的基础上提出3个创新点:(1)自正则项;(2)局部对抗损失;(3)使用历史生成图片更新判别器,使得生成真实化图片的同时保留输入图像特征。实验结果展示该方法可以生成高度真实化的图片。研究者通过训练凝视估计模型、手部姿态估计模型定量分析生成图片的效果,分析结果表明,使用生成图片训练的模型,在MPⅡGaze数据集上测试效果有很大的提升,达到了当时最好的效果。不过,研究者并未在包含多个物体的复杂场景下进行实验,文中提出的方法在复杂场景下的应用还存在局限性。

关键词 : 对抗训练,  无监督学习,  仿真图片,  深度学习

(责任编辑 刘志远)

http://www.kjdb.org/CN/Y2018/V36/I17/19 



https://blog.sciencenet.cn/blog-336909-1135727.html

上一篇:山区茶业绿色振兴与转型升级的发展思路及其对策建议
下一篇:中国智能控制40年
收藏 IP: 219.142.112.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-28 22:05

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部