27、多对抗变分自编码器网络在图像生成与分类中的应用

多对抗变分自编码器网络在图像生成与分类中的应用

1. 引言

在图像生成和分类领域，半监督学习方法越来越受到关注。本文将介绍一种名为多对抗变分自编码器网络（MAVEN）的新型生成建模方法，并通过实验展示其在图像生成和多类图像分类任务中的优势。

2. 实验设置

2.1 数据

实验使用了四个图像数据集：
1. Street View House Numbers (SVHN) 数据集 ：包含 73,257 张训练用的数字图像和 26,032 张测试图像。使用的是类似 MNIST 的 32×32 像素 RGB 彩色图像，每个图像被标记为 0 - 9 这 10 个类别之一。
2. CIFAR - 10 数据集 ：由 60,000 张 32×32 像素 RGB 彩色图像组成，分为 10 个类别。其中 50,000 张用于训练，10,000 张用于测试。
3. anterior - posterior Chest X - Ray (CXR) 数据集 ：包含 5,216 张训练图像和 624 张测试图像，每个图像被标记为正常、细菌性肺炎（b - pneumonia）和病毒性肺炎（v - pneumonia）三个类别之一。
4. 皮肤病变分类 (SLC) 数据集 ：从 ISIC 2017 皮肤镜图像数据集中选取 2,000 张 RGB 皮肤图像，其中 1,600 张用于训练，400 张用于测试。每个图像被标记为非黑色素瘤和黑色素瘤两个类别之一。

不同数据集的图像预