GAN을 이용한 반지도 학습

Source: Dev.to

개요

반지도 학습 GAN은 이미지를 생성하는 생성기와 진짜와 가짜를 구분할 뿐만 아니라 올바른 클래스 레이블을 예측하는 판별기를 결합합니다. 판별기에게 일반 카테고리 중 하나 또는 특별히 “AI가 만든” 옵션을 선택하도록 요청함으로써, 모델은 훨씬 적은 라벨된 예시로 학습할 수 있습니다.

작동 원리

판별기의 작업이 확장됩니다:

1. 가짜 감지 – 입력 이미지가 실제인지 생성된 것인지를 판단합니다.
2. 분류 – 이미지를 미리 정의된 클래스 중 하나 또는 “생성된” 클래스에 할당합니다.

두 목표를 동시에 학습함으로써 생성기는 더 현실적인 샘플을 만들도록 강제되고, 분류기는 데이터 효율성이 높아집니다.

장점

• 데이터 효율적인 학습 – 분류기는 인간이 라벨링한 이미지가 적어도 성능이 향상됩니다.
• 고품질 생성 – 생성기는 더 풍부한 피드백을 받아 보다 실감 나는 결과물을 만들어냅니다.
• 라벨링 비용 감소 – 팀은 모든 이미지를 라벨링하지 않아도 강력한 모델을 구축할 수 있어 프로젝트 속도가 빨라지고 비용이 절감됩니다.

남은 과제

• 적대적 손실과 분류 손실 사이의 균형을 미세 조정하는 데는 여전히 신중한 실험이 필요합니다.
• 매우 큰 규모이거나 심하게 불균형한 데이터셋에 이 접근법을 확장하는 데는 추가적인 어려움이 있을 수 있습니다.

포괄적인 리뷰 읽기:
Semi‑Supervised Learning with Generative Adversarial Networks