文章目录
Motivation
- 细粒度识别问题
- 比普通的分类更难
- 很难收集数据：需要专家标注
- 需要小样本学习
**是否可以生成更多的数据？**现有的最好的GANS如何？挑战 GAN训练需要许多的数据。可否降低训练的数据量？或者换一种训练方式？
Idea：微调 ImageNet上训练的GANS。
Method
Fine-tune BigGAN with a single image
技术：只微调BN层
生成的图像有用吗？ 不，精度下降：）
原因是：GAN生成的图像一般对分类没有帮助。**挑战：**怎么利用生成的图像？
Idea：用真实图像强化生成图像
Example
总体架构
Experiment
分类精度对比实验
随机采样两个类，使用t-SNE方法进行可视化。可以看到，生成图像相比融合图像距离真是图像更近，而融合图像扩展了决策边界。（如何理解扩展边界？）
问题
混合策略没有理论支持。虽然，混合策略有效。