Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

人工智能 计算机科学 卷积神经网络 无监督学习 鉴别器 深度学习 特征学习 对抗制 代表(政治) 生成语法 机器学习 发电机(电路理论) 等级制度 班级(哲学) 模式识别(心理学) 探测器 法学 功率(物理) 经济 物理 政治 电信 量子力学 市场经济 政治学
作者
Alec Radford,Luke Metz,Soumith Chintala
出处
期刊:Cornell University - arXiv [Cornell University]
被引量:6985
标识
DOI:10.48550/arxiv.1511.06434
摘要

In recent years, supervised learning with convolutional networks (CNNs) has seen huge adoption in computer vision applications. Comparatively, unsupervised learning with CNNs has received less attention. In this work we hope to help bridge the gap between the success of CNNs for supervised learning and unsupervised learning. We introduce a class of CNNs called deep convolutional generative adversarial networks (DCGANs), that have certain architectural constraints, and demonstrate that they are a strong candidate for unsupervised learning. Training on various image datasets, we show convincing evidence that our deep convolutional adversarial pair learns a hierarchy of representations from object parts to scenes in both the generator and discriminator. Additionally, we use the learned features for novel tasks - demonstrating their applicability as general image representations.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
123发布了新的文献求助10
刚刚
刚刚
星辰大海的应助被小赴采纳,获得10
刚刚
1秒前
Xiaox完成签到,获得积分10
1秒前
2秒前
西柚完成签到,获得积分10
2秒前
3秒前
L1完成签到 ,获得积分10
3秒前
小瑷完成签到,获得积分10
3秒前
默_古月完成签到,获得积分10
4秒前
4秒前
4秒前
5秒前
小二郎的应助被123采纳,获得10
6秒前
Rw发布了新的文献求助10
6秒前
米糊完成签到,获得积分10
6秒前
Irene发布了新的文献求助10
7秒前
Li发布了新的文献求助10
7秒前
8秒前
8秒前
yunkong发布了新的文献求助30
8秒前
毛头完成签到,获得积分10
10秒前
Nodi发布了新的文献求助10
10秒前
大模型的应助被業業采纳,获得10
10秒前
Conqurd发布了新的文献求助10
10秒前
10秒前
KYTFPY关注了科研通微信公众号
11秒前
11秒前
11秒前
Zhang完成签到,获得积分10
12秒前
12秒前
13秒前
13秒前
mizhou完成签到,获得积分10
13秒前
lx发布了新的文献求助10
14秒前
Rw完成签到,获得积分10
14秒前
123完成签到,获得积分10
15秒前
zzz发布了新的文献求助30
16秒前
wzhang发布了新的文献求助10
16秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Agyptische Geschichte der 21.30. Dynastie 510
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
基于界面调控的高效湿气发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8192020
求助须知:如何正确求助?哪些是违规求助? 9578648
关于积分的说明 21861105
捐赠科研通 7791458
什么是DOI,文献DOI怎么找? 3436765
关于科研通互助平台的介绍 2560502
邀请新用户注册赠送积分活动 2483544