Pytorch实现之SICSGAN实现图像识别
简介
简介：在改进的条件深度卷积生成对抗网络模型，利用频谱归一化的全局权重。 使用组归一化对隐层的输入进行处理，可以加快训练速度，提高生成样本的质量。 模型采用全局平均池化层代替全连接层，避免过拟合。同时设计了一个分类器，沿用鉴别器的参数来实现图像识别。
论文题目：Structure Improved Conditional Spectral Normalization Generative Adversarial Networks for Image Recognition（结构改进的条件谱归一化生成对抗网络图像识别）
会议：2020 Chinese Automation Congress (CAC)
摘要：生成对抗网络（GANs）已成为流行的生成模型。 然而，网络训练产生不稳定性的问题很难消除。 综合前人模型的优点ÿ