Semi-supervised Generative Adversarial Network

Dalam GAN biasa, diskriminator hanya menjawab 'betul atau palsu?'. SGAN menggunakan semula diskriminator itu: ia kini mengeluarkan K+1 kelas, di mana K pertama sepadan dengan kategori sebenar yang diminati (anjing, kucing, dll.) dan kelas terakhir mewakili sampel terjana. Dengan melakukan kedua-dua tugas serentak, contoh berlabel membimbing pengklasifikasi manakala kumpulan data sebenar tidak berlabel yang jauh lebih besar dan sampel sintetik penjana menghalang lampau-suai ke set berlabel yang kecil. Hasilnya ialah pengklasifikasi yang menyaingi model separa-sedia penuh yang dilatih pada lebih banyak label.