Diseño de clasificadores de dígitos manuscritos generados por redes GAN

En el presente trabajo se diseñan y evalúan varios sistemas encargados de clasificar automáticamente, en dos categorías, imágenes de "dígitos" y "no dígitos" que fueran generadas por dos redes adversarias generativas (Generative Adversarial Networks o GAN – por sus siglas en inglés–). Ambas redes fueron entrenadas para generar imágenes de números manuscritos, pero colateralmente también pueden producir imágenes que no podrían clasificarse como dígitos. Así, se diseñaron distintos métodos semi-supervisados para clasificar las imágenes no etiquetadas, con el objeto de medir el desempeño de dichas redes. A partir de un conjunto de imágenes elegidas al azar, generadas por las redes GAN, se realizó una clasificación manual. Se utilizaron dichas imágenes clasificadas para entrenar los distintos métodos semi-supervisados. A su vez, se definieron diferentes grupos de datos de entrenamiento y prueba, que llevaron a otras tantas variantes de cada clasificador. Se explica el proceso de diseño y los detalles de implementación de cada uno de estos clasificadores. Se muestran los mejores resultados obtenidos con cada uno de ellos, para finalmente elegir aquel con mejor desempeño para esta tarea, de acuerdo con las pruebas realizadas.