التعلم شبه المشرف باستخدام شبكات التGenerative Adversarial المُحَدَّثة بالسياق

نقدم نهجًا بسيطًا للتعلم شبه المشرف على الصور استنادًا إلى الترميم باستخدام خسارة معارضة (adversarial loss). يتم تقديم صور ذات مناطق عشوائية محذوفة لمولد (generator) مهمته هي ملء الثقب بناءً على البكسلات المحيطة. ثم يتم تقديم الصور المرممة لشبكة تمييزية (discriminator network) تقيّم ما إذا كانت هذه الصور حقيقية (صور تدريب غير معدلة) أم لا. يُعد هذا المهمة بمثابة منظم (regularizer) للتدريب المشرف القياسي على الشبكة التمييزية. باستخدام نهجنا، نحن قادرون على تدريب شبكات VGG الكبيرة مباشرة بطريقة شبه مشرفة. قمنا بتقييم النهج على مجموعتي بيانات STL-10 و PASCAL، حيث حقق نهجنا أداءً مparable أو أفضل من الطرق الموجودة حاليًا.