已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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 被引量:6223
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
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

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
Dongsy完成签到,获得积分0
刚刚
乌苏完成签到 ,获得积分10
2秒前
1234发布了新的文献求助10
2秒前
Orange应助斜玉采纳,获得30
2秒前
4秒前
5秒前
xiaomu发布了新的文献求助30
10秒前
上官若男应助yuan采纳,获得10
10秒前
搜集达人应助含糊的文涛采纳,获得10
11秒前
orixero应助胡萝卜采纳,获得10
13秒前
16秒前
李健应助SUE采纳,获得10
16秒前
奋斗金连完成签到,获得积分10
18秒前
19秒前
pluvia完成签到,获得积分10
19秒前
漂亮白枫发布了新的文献求助10
20秒前
20秒前
香蕉觅云应助土豆采纳,获得10
21秒前
wkjfh应助碧蓝的宝马采纳,获得10
21秒前
胡萝卜完成签到,获得积分10
22秒前
23秒前
我是老大应助水之冬采纳,获得10
25秒前
fang完成签到 ,获得积分10
25秒前
25秒前
25秒前
南风知我意完成签到 ,获得积分10
26秒前
27秒前
28秒前
今后应助冷傲的水儿采纳,获得10
29秒前
homie发布了新的文献求助10
30秒前
30秒前
双椒兔丁完成签到,获得积分10
30秒前
NexusExplorer应助Ramer556采纳,获得10
31秒前
猪蹄发布了新的文献求助10
32秒前
直觉发布了新的文献求助10
33秒前
土豆发布了新的文献求助10
34秒前
一直向前发布了新的文献求助10
38秒前
38秒前
丘比特应助十四采纳,获得10
40秒前
40秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
Aktuelle Entwicklungen in der linguistischen Forschung 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989868
求助须知:如何正确求助?哪些是违规求助? 3531994
关于积分的说明 11255752
捐赠科研通 3270793
什么是DOI,文献DOI怎么找? 1805053
邀请新用户注册赠送积分活动 882215
科研通“疑难数据库(出版商)”最低求助积分说明 809208