半教師ありGAN (Semi-supervised GAN, SGAN) は、標準的なGANの識別器を拡張し、K個の実際のクラスにラベル付きサンプルを同時に分類させると同時に、生成された偽物を(K+1)番目のクラスとして検出させることで、生成器の合成データが暗黙的な正則化として機能し、非常に少ないラベル付きサンプルで強力な分類器を訓練することを可能にします。

通常のGANでは、識別器は「本物か偽物か？」にのみ応答します。SGANは、その識別器を再利用します。識別器は、最初のK個が関心のある実際のカテゴリ（犬、猫など）に対応し、最後のクラスが生成されたサンプルを表す、K+1個のクラスを出力するようになります。両方のタスクを同時に行うことで、ラベル付きサンプルが分類器をガイドする一方で、はるかに大きなプールであるラベルなしの実際のデータと生成器の合成サンプルが、少数のラベル付きセットへの過学習を防ぎます。その結果、完全に教師ありで訓練されたモデルに匹敵する分類器が得られます。