无监督代表学习深卷积的生成对抗网络

无监督代表学习深卷积的生成对抗网络(中文7000字,英文PDF)
摘要
近年来，卷积网络的监督学习已经在计算机视觉应用中被广泛采用。相对而言，无监督使用CNN学习受到的关注较少。在这项工作中，我们希望能有所帮助弥合CNN在监督学习和非监督学习中的成功。我们引入一类称为深卷积生成的CNN。具有一定架构限制的对抗性网络（dcgan），以及证明他们是无监督学习的有力候选人。训练在各种图像数据集上，我们展示了令人信服的证据，证明我们的深卷积对手对从对象部分到生成器和鉴别器中的场景。此外，我们还使用新任务的特征-证明其作为一般图像表示的适用性。