machine-learning - 生成对抗网络需要类别标签吗？

Question

我试图了解 GAN 是如何训练的。我相信了解对抗性训练过程。我似乎找不到以下信息:GAN 在训练过程中是否使用类标签？我目前的理解是不 - 因为鉴别器只是试图区分真实或虚假图像，而生成器则试图创建真实图像(但不是任何特定类别的图像。)

如果是这样的话，那么研究人员建议如何使用鉴别器网络进行分类任务呢？该网络只能在真实或虚假图像之间执行两种分类。生成器网络也很难使用，因为我们不知道输入向量“Z”的什么设置将产生所需的生成图像。

Answer 1

这完全取决于您尝试构建的网络。如果您具体谈论的是基本 GAN，那么您是对的。不需要类标签，因为鉴别器网络仅对真/假图像进行分类。 GAN (cGAN) 有一个条件变体，您可以在生成器和判别器中使用类标签。这允许您使用生成器生成特定类的示例，并使用鉴别器对它们进行分类(以及真/假分类)

从我所做的阅读来看，判别器网络只是用作训练生成器的工具，而生成器是主要关注的网络。当您可以仅使用 ResNet 或 VGG 网络来执行分类任务时，为什么还要使用用于训练 GAN 进行分类的判别器呢？无论如何，这些网络会运作得更好。然而，你是对的，使用原始的 GAN 可能会造成困难，因为模式崩溃并不断生成相同的图像。这就是引入条件变体的原因。

希望这能解决问题!