www.cnblogs.com
Gan实战笔记——第七章半监督生成对抗网络（Sgan） - 墨戈 - 博客园
二、SGAN的实现 我们将实现一个SGAN模型。 该模型仅使用I00个训练样本即可对MNIST数据集中的手写数字进行分类。 最后，我们将模型的分类准确率与其对应的全监督模型进行了比较，看看半监督学习所取得的进步。 1. 架构图
sgan模型
Searching…
Web results
zhuanlan.zhihu.com
SGAN(生成对抗网络与半监督学习)——多个GAN的堆叠生成更高质量的数据，文献阅读+pytorch代码实现及代码详解
因次，提出了一个半监督式GAN，称之为SGAN。 希望能够同时训练生成器与半监督式分类器，最终实现一个更优的半监督式分类器，以及一个成像更高的生成模型。 在传统的二分类模式基础上，SGAN变成了多分类，类型数量为N+1。 分别指代N个标签和一个"假"数据。
www.shuzhiduo.com
GAN实战笔记——第七章半监督生成对抗网络（SGAN）
二、SGAN的实现 我们将实现一个SGAN模型。 该模型仅使用I00个训练样本即可对MNIST数据集中的手写数字进行分类。 最后，我们将模型的分类准确率与其对应的全监督模型进行了比较，看看半监督学习所取得的进步。
blog.csdn.net
GAN学习记录（三）——半监督生成对抗网络（SGAN）_semi-supervised gan-CSDN博客
半监督生成对抗网络（SGAN） 半监督生成对抗网络（Semi-Supervised GAN，SGAN）是一种生成对抗网络，其鉴别器是多分类器。 这里的鉴别器不只是区分两个类（真和假），而是学会区分N+1类，其中N是训练数据集中的类数，生成器生成的伪样本增加了一个类。 结构区别
cloud.baidu.com
半监督生成对抗网络（Sgan) - 实现无监督学习的强大工具
在实际应用中，SGAN已被广泛应用于计算机视觉和 自然语言处理 领域。 在计算机视觉领域，SGAN可用于图像分类、目标检测和图像生成等任务。 通过结合半监督学习和生成对抗网络，SGAN能够有效地利用无标签数据提高模型性能，减少对大量带标签数据的依赖。
www.freesion.com
如何实现一个半监督GAN (SGAN)从零开始 （Keras 版本）
半监督GAN (或称SGAN)模型是GAN体系结构的扩展，它涉及同时训练监督鉴别器、非监督鉴别器和生成器模型。 结果是一个监督分类模型，可以很好地推广到不可见的例子和一个生成器模型，可以输出来自该领域的图像的可信的例子。
blog.51cto.com
半监督生成对抗网络 pytorch 半监督生成对抗网络SSGAN_boyboy的技术博客_51CTO博客
SGAN SSGAN是半监督学习生成对抗网络 (SGAN（ssgan）Semi-Supervised Learning with Generative Adversarial Networks ),初衷是利用GAN生成器生成的样本来改进和提高图像分类任务的性能。在实际的应用中有大量的数据是不带标签的，带标签的数据只占一小部分；充分的利用不标签的"无监督数据"可以提高分类模型泛化 ...
github.com
Image — click to view
Code for "Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks", Gupta et al, CVPR 2018 - agrimgupta92/sgan
machinelearning.org.cn
如何从头开始使用 Keras 实现半监督 GAN (SGAN)
半监督生成对抗网络（SGAN）模型是GAN架构的扩展，它涉及同时训练监督判别器、无监督判别器和生成器模型。 其结果是，既能得到一个泛化能力强的监督分类模型，也能得到一个能生成该领域图像的合理示例的生成器模型。
cloud.tencent.com
Video — click to view
本文系统介绍了GAN的多种改进模型：CGAN通过条件约束指导生成过程，DCGAN引入卷积提升稳定性，WGAN改进损失函数解决训练难题，WGAN-GP优化Lipschitz条件，LSGAN采用最小二乘损失提升图像质量，BEGAN通过均衡思想实现快速收敛。这些改进有效解决了GAN训练不稳定、模式崩溃等问题，大幅提升了生成效...