半监督变分自动编码器中潜在空间的定制

文章预览

Customization of latent space in semi-supervised Variational AutoEncoder 半监督变分自动编码器中潜在空间的定制 https://www.sciencedirect.com/science/article/pii/S0167865523003288 https://github.com/an-seunghwan/EXoN_official 摘要 我们提出了一种新颖的变分自编码器 (VAE) 半监督学习方法，该方法通过我们的可解释编码器网络 (EXoN) 生成定制的潜在空间。定制涉及手动设计插值和结构约束，例如接近性，从而增强潜在空间的解释性。为了提高分类性能，我们引入了一种新的半监督分类方法，称为 SCI（软标签一致性插值）。将分类损失和 Kullback-Leibler 散度结合起来对于构建可解释的潜在空间至关重要。此外，生成样本的可变性由一个主动潜在子空间决定，该子空间有效地捕捉了独特的特征。我们使用 MNIST、SVHN 和 CIFAR-10 数据集进行了实验，结果表明，我们的方法生成了可解释的潜在空间，同 ………………………………