全網(wǎng)搜集目標(biāo)檢測(cè)文章，人工篩選最優(yōu)價(jià)值內(nèi)容

編者薦語(yǔ)

GAN優(yōu)秀的結(jié)果是以繁瑣的訓(xùn)練過程（生成器(G)與鑒別器(D)在兩個(gè)階段中交替更新）為代價(jià)的。文章針對(duì)此問題提出的一階段訓(xùn)練方案，平均比常規(guī)訓(xùn)練方案產(chǎn)生1.5倍的穩(wěn)定加速！代碼即將開源。

轉(zhuǎn)載自 | 邁微AI研習(xí)社

• 作者單位：浙江大學(xué), 史蒂文斯理工學(xué)院, 阿里巴巴, 之江實(shí)驗(yàn)室

• 論文：https://arxiv.org/abs/2103.00430

生成對(duì)抗網(wǎng)絡(luò)（GANs）已在各種圖像生成任務(wù)中取得了空前的成功。然而，令人鼓舞的結(jié)果是以繁瑣的訓(xùn)練過程為代價(jià)的，在此過程中，生成器和鑒別器在兩個(gè)階段中交替更新。

在本文中，我們研究了一種通用訓(xùn)練方案，該方案僅在一個(gè)階段即可有效地訓(xùn)練GAN。

基于生成器和鑒別器的對(duì)抗損失，我們將GAN分為對(duì)稱GAN和非對(duì)稱GAN兩類，并引入一種新穎的梯度分解方法來統(tǒng)一這兩類，從而使我們可以在一個(gè)階段訓(xùn)練這兩個(gè)類，從而減輕了訓(xùn)練成本。

算法細(xì)節(jié)（建議去看原文, 點(diǎn)擊閱讀更多）

實(shí)驗(yàn)結(jié)果

對(duì)幾個(gè)數(shù)據(jù)集和各種網(wǎng)絡(luò)體系結(jié)構(gòu)的計(jì)算分析和實(shí)驗(yàn)結(jié)果表明，無論生成器和鑒別器的網(wǎng)絡(luò)體系結(jié)構(gòu)如何，所提出的一階段訓(xùn)練方案均比常規(guī)訓(xùn)練方案產(chǎn)生1.5倍的穩(wěn)定加速。此外，我們表明，提出的方法很容易適用于其他對(duì)抗訓(xùn)練方案，例如無數(shù)據(jù)知識(shí)蒸餾。我們的源代碼將很快發(fā)布。

---END---

雙一流大學(xué)研究生團(tuán)隊(duì)創(chuàng)建，一個(gè)專注于目標(biāo)檢測(cè)與深度學(xué)習(xí)的組織，希望可以將分享變成一種習(xí)慣。 

將「目標(biāo)檢測(cè)與深度學(xué)習(xí)」設(shè)為星標(biāo)★，并點(diǎn)擊右下角“在看“，解鎖推送限制，第一時(shí)間收到我們的分享。

整理不易，點(diǎn)贊三連↓