論文閱讀筆記《Surface defect classification of steels with a new semi-supervised learning method》

核心思想   本文提出一種基於半監督學習的鋼鐵表面缺陷檢測算法（CAE-SGAN），核心思想是將卷積自編碼器（CAE）和對抗生成網絡（GAN）結合起來，先用無標籤樣本對CAE進行無監督訓練，使CAE具備初步特徵提取能力，然後引入一個GAN網絡，並把CAE的編碼器部分改造成GAN的區分器，使用帶有標籤的樣本對其訓練。CAE的結構如下圖所示   CAE結構還是比較常規,包含編碼器和解碼器兩個部分,主要

>>阅读原文<<