machine-learning - GAN 固有的类别不平衡？

Question

类别不平衡问题是 GAN 固有的吗？在 GAN 中，有 2 个网络相互对抗，一个是分类器，对手试图通过生成假图像来愚弄分类器。 GAN 生成的所有图像都是假的，因此如果算法运行足够长的时间，必然会出现类别不平衡，对吗？

Answer 1

不对，但你有一些基本概念是正确的。

分类器也使用真实图像进行训练。其目标是准确地区分这些真实图像和生成器生成的赝品。

对手的目标是生成欺骗分类器的图像。

模型构建者(即您)在每次迭代中选择真实图像和假图像之间的平衡。这支持通过实验来确定最有效的比率。

确实，真实图像具有固定的群体，而生成的图像实际上是无限的。然而，“类不平衡”的想法在这里并不适用:每次迭代后，旧的假图像都会被新的图像替换。旧图像对于早期训练很有用，但在单次暴露于分类器之后就不再使用。