基于半监督学习生成对抗网络的人脸还原算法研究
来源：电子与信息学报杂志2018年第2期北京时间：
作者：曹志义, 牛少彰, 张继威
摘要：基于大量训练样本生成高置信度图像的生成对抗网络研究已经取得一些成果，但是现有的研究只针对已知训练样本进行图像生成，而未将训练的参数用于训练样本之外的图像生成。该文设计了一种改进的生成对抗网络模型，在已有网络的基础上增加一个还原层，使得测试图像可以通过改进的对抗网络生成对应的高置信度图像。实验结果表明，改进的生成对抗网络参数可以应用到训练集之外的普通样本。同时本文改进了生成模型的损失算法，极大地缩短了网络的收敛时间。
关键词：生成对抗网络, 半监督学习, 生成模型, 损失函数
基金资助：国家自然科学基金(61370195, U1536121)
