基于LeakyMish流行正则化半监督生成对抗网络的图像分类模型

摘要

在实际应用中,为模型提供大量的人工标签需要消耗大量的人力和财力,因此,近几年基于半监督学习的图像分类问题得到了更多人的关注。半监督生成对抗网络在训练过程中,能够以少量的标签数据训练大量的未标签数据,并取得较好的结果。Improved GAN+Manifold Reg模型是Bruno Lecouat和Chuan-Sheng Foo等人提出的半监督生成对抗网络模型,并且在SVHN数据集和Cifar-10数据集测试中,准确率比知名的ImprovedGAN和TripleGAN高。针对提高图像分类准确率进行研究,在Improved GAN+Manifold Reg模型的基础上进行改进,对激活函数和优化器进行修改,并模仿LeakyReLU激活函数提出LeakyMish激活函数。在SVHN数据集和CIFAR-10数据集测试中,准确率有进一步的提高,而且模型收敛快。