计算机视觉中的表征学习

1.生成对抗网络由生成器和判别器组成，生成器生成虚假样本，判别器区分虚假样本和真实样本

2.生成对抗训练过程是生成器和判别器的对抗性博弈，生成器试图欺骗判别器，判别器试图提高区分能力

3.GAN可以学习到数据的底层表征，生成器提取特征生成新样本，判别器区分特征识别真实性【自编码器AE]无监督表征学习方法无监督表征学习方法利用未标记数据来学习视觉特征的表征，不需要人工标注这些方法专注于发现数据中的内在结构和模式，从而得到通用的表征，可用于各种视觉任务自编码器AE自编码器是一种神经网络，它学习将输入数据编码为低维度的中间表征，然后将其解码为重构的输入中间表征通常包含输入数据的重要特征，可被用作其视觉表征生成对抗网络GAN生成对抗网络由两个网络组成生成器和判别器生成器学习生成新的样本，而判别器学习区分生成的样本和真实样本通过对抗训练,生成器学到的表征能捕获真实数据的分布变分自编码器VAE变分自编码器是自编码器的扩展，它引入了一个正则化项，该项鼓励中间表征遵循正态分布这有助于学习更鲁棒和可泛化的表征0特征聚类。