我目前是一名正在做一些机器学习项目的学生,我想使用生成对抗网络来训练一些数据来辨别例如某人的年龄。预期输出是以月为单位的回归连续输出。
我看到 DCGAN 和 GAN 主要针对分类问题。它们可以用来解决回归问题吗?
谢谢你。
我目前是一名正在做一些机器学习项目的学生,我想使用生成对抗网络来训练一些数据来辨别例如某人的年龄。预期输出是以月为单位的回归连续输出。
我看到 DCGAN 和 GAN 主要针对分类问题。它们可以用来解决回归问题吗?
谢谢你。
答案是肯定的。有一篇论文 Intra-class Variation Isolation in Conditional GANs ( https://arxiv.org/pdf/1811.11296.pdf ) 讨论了它。
他们提出了一种“能够学习具有连续、语义上有意义的输入参数的真实模型的 C-GAN”。它们实际上也涵盖了生成不同年龄段的人的图像。
可以训练卷积回归模型,并对其进行对抗训练。所以理论上你可以。@Zhongsheng Chen 链接了一个用于回归的条件 GAN 的案例,尽管我没有找到专门用于此的 DCGAN。
换句话说:理论上是可能的,但在实践中使用非常大且重的模型(如 GAN)来运行回归就像用火箭筒杀死蚊子一样。
我对此也很感兴趣。最近,我发现了一篇论文,作者使用条件 GAN 进行回归任务,希望它能帮助你解决这个问题。有关本文的详细信息,请参见此处。