要約
近年、教師あり学習における畳み込みニューラルネットワーク（CNNs）は、コンピュータビジョンの応用において大きな採用が見られています。一方で、教師なし学習におけるCNNsの研究は比較的少ない注目を集めています。本研究では、教師あり学習と教師なし学習の成功間のギャップを埋めるために貢献することを目指しています。私たちは、特定のアーキテクチャ制約を持つCNNsの一種である深層畳み込み生成対抗ネットワーク（Deep Convolutional Generative Adversarial Networks: DCGANs）を導入し、これらのネットワークが教師なし学習に適した有力候補であることを示します。様々な画像データセットでの学習を通じて、私たちの深層畳み込み対抗ペアがジェネレーターとディスクリミネーターの両方でオブジェクト部品からシーンまで表現階層を学習していることを説得力のある証拠で示します。さらに、学習された特徴量を新しいタスクに利用し、それらが一般的な画像表現として適用可能であることを実証します。