用生成对抗网络来产生图片

 

你平时是不是还在用 水平反转（fliplr）／随机切割（random crop）来做数据增强？

1. 对于小数据集，是不是数据量还是不足？ 如果能生成一些就好了。
2. 如果GAN生成了图片？怎么给这些数据label呢？

   

想法特别简单，先用原始数据（CUB上面只有～2000张图也训练出来了）训练一个GAN，然后生成图片，加入到训练集中。 我总结一下就是：

1. GAN 生成数据是可以用在实际的图像问题上的（不仅仅是像mnist 这种toy dataset上work）因为我也遇到过一些cifar上work的trick，到实际数据集就 吃屎的情况orz。。。作者在两个行人重识别数据集 和 一个细粒度识别 鸟识别数据集上都有提升。
2. GAN 数据有三种给pseudo label的方式， 假设我们做五分类

• 把生成的数据都当成新的一类, 六分类，那么生成图像的 label 就可以是 （0, 0, 0, 0, 0, 1） 这样给。
• 按照置信度最高的 动态去分配，那个概率高就给谁 比如第三类概率高（0, 0, 1, 0, 0）
• 既然所有类都不是，那么可以参考inceptionv3，搞label smooth，每一类置信度相同

（0.2, 0.2, 0.2, 0.2, 0.2） 注：作者好像是16年12月写的代码，当时GAN效果没有辣么好，用这个效果好也是可能的， 因为都不是很真，所以搞一波正则作用。。论文中是这个最好，不过，估计还是要因地制宜。