在 MATLAB 中使用 GAN 判别器进行单类分类答案

【问题标题】：Use GAN discrimator for single-class classification in MATLAB在 MATLAB 中使用 GAN 判别器进行单类分类
【发布时间】：2020-05-20 00:40:23
【问题描述】：

我尝试实现一个神经网络来对不同的缺陷进行分类以进行质量检查。我想使用单类分类。为此，我想训练一个生成对抗网络并使用鉴别器进行分类。

在这个例子中，有一行在鉴别器网络的帮助下对生成的输出进行“分类”：

dlYPredGenerated = forward(dlnetDiscriminator, dlXGenerated);

现在，我希望输出包含 2 个标签：“原始”或“假”。相反，我得到了一长串数字：

(:,:,1,1) =
    5.9427
(:,:,1,2) =
    7.5930
(:,:,1,3) =
    9.3393
etc.

我认为这些是鉴别器网络的损失值。

我想知道如何使用生成的鉴别器网络对输入图像进行分类。问题是判别器网络没有全连接层，或者在层结构的末端有一个分类层。所以看起来判别器架构不同于“正常”卷积神经网络的架构。

总结

我想使用 Matlab sunflower-example (https://de.mathworks.com/help/deeplearning/examples/train-generative-adversarial-network.html) 训练 GAN 并提取鉴别器以用作分类网络。

【问题讨论】：

【解决方案1】：

来自 matlab sunflower-example，

dlYPredGenerated = forward(dlnetDiscriminator, dlXGenerated);

它在没有激活的情况下给出最后一个 FC 连接层的输出（不是损失）。这就是为什么它带有

probGenerated = sigmoid(dlYPredGenerated);

因此，probGenerated 是您希望将其视为虚假或真实概率的真实输出。顺便说一句，输出有 4 个维度，因为它具有 SSCB (Spatial-spatial-channel-batch) 的 fmt 标签，并且损失来自

[lossGenerator, lossDiscriminator] = ganLoss(probReal,probGenerated);

【讨论】：