基于上下文条件的生成对抗网络的半监督学习

我们介绍了一种基于对抗损失的图像修复（in-painting）的简单半监督学习方法。该方法将随机去除部分区域的图像呈现给生成器，生成器的任务是根据周围像素填补缺失的部分。修复后的图像随后被送入判别网络，以判断这些图像是真实的（未修改的训练图像）还是虚假的。这一任务作为标准监督训练的正则化手段，用于改进判别器的性能。通过我们的方法，可以直接以半监督的方式训练大型VGG风格的网络。我们在STL-10和PASCAL数据集上进行了评估，结果表明我们的方法在性能上与现有方法相当或更优。