Домейн-адаптивен GAN
Домейн-адаптивен GAN комбинира генеративно-състезателно обучение с домейн адаптация, за да преодолее разликата в разпределението между маркиран източник и немаркиран или слабо маркиран целеви домейн. Чрез състезателно обучение на генератор и дискриминатор, моделът научава домейн-инвариантни представяния или трансформирани образци, което позволява на класификатор или детектор, обучен върху изходни данни, да се обобщава ефективно към целевия домейн без нужда от изобилие от целеви етикети.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Ganin, Y., Ustunova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(59), 1–35. link ↗
- Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2223–2232. DOI: 10.1109/ICCV.2017.244 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Domain-Adaptive Generative Adversarial Network. ScholarGate. https://scholargate.app/bg/deep-learning/domain-adaptive-gan
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Конволюционна невронна мрежа, адаптирана към домейнаДълбоко обучение↔ сравняване
- Адаптивен към домейна визуален трансформерДълбоко обучение↔ сравняване
- Фино настроена генеративна състезателна мрежаДълбоко обучение↔ сравняване
- Генеративна състезателна мрежаДълбоко обучение↔ сравняване
- Полу-наблюдавано GANДълбоко обучение↔ сравняване
- Генеративни състезателни мрежи с трансферно обучение (Transfer Learning GAN)Дълбоко обучение↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →