In recent years supervised learning with convolutional networks CNNs hasseen huge adoption in computer vision applications Comparatively unsupervisedlearning with CNNs has received less attention In t

近年来，卷积神经网络（CNNs）在监督学习中的应用已经得到了广泛的采用。相比之下，CNNs在无监督学习中的应用则受到了较少的关注。在本文中，我们希望帮助填补CNNs在监督学习和无监督学习之间的成功差距。我们介绍了一类称为深度卷积生成对抗网络（DCGANs）的CNNs，它们具有一定的架构约束，并证明它们是无监督学习的一个强有力的候选。通过对各种图像数据集的训练，我们展示了令人信服的证据，即我们的深度卷积对抗网络对物体部分到场景的表示学习了一个层次结构，包括生成器和鉴别器。此外，我们利用学习到的特征进行新颖的任务 - 展示它们作为一般图像表示的适用性。