GAN 中鉴别器的目标是区分真实输入和生成器合成的输入。
假设我训练一个 GAN，直到生成器足够好，可以在很多时候欺骗鉴别器。然后我可以将鉴别器用作测试输入是否属于单个类的分类器吗？
例如，如果我训练StyleGAN能够合成逼真的猫，我是否可以使用经过训练的鉴别器来检测图像是否是猫？
我的想法是，鉴别器可能会比其他分类器模型更准确，因为由于生成器，它已经有效地训练了许多更多的输入。
另一方面，也许判别器在某种程度上更糟，因为它已经在猫类图像上进行了压倒性的训练（假设生成器已经变得相当好），并且没有看到各种各样的负面例子。它不太关心“这是一只猫吗？” 而不是“这是合成的迹象是什么？”
是的，我们可以使用 GAN 的鉴别器对图像进行分类。但是我们应该确保生成器生成的图像是真实的。
如果你已经在大量图像上训练了你的 GAN，并且它在数据集上的表现非常好，那么我坚持你将鉴别器模型视为预训练模型（就像我们在迁移学习中所做的那样）并再次在图像上训练这个模型之前没有用于训练 GAN。因此，该模型在之前未训练过的 GAN 上的数据集上进行了微调。
另一种类似的方法可能是仅使用 CNN 层的权重并将它们加载到我们的新模型中。
假设我训练一个 GAN，直到生成器足够好，可以在很多时候欺骗鉴别器。然后我可以将鉴别器用作测试输入是否属于单个类的分类器吗？
您绝对应该尝试重用来自 GAN 的鉴别器并分享您的结果:-)。