Self-supervised GAN
Self-supervised GAN augmenta una Generative Adversarial Network estàndard amb una o més tasques auxiliars auto-supervisades —com ara predir la rotació d'imatges o la posició de les particions— que estabilitzen l'entrenament adversarial i produeixen un discriminador que aprèn representacions riques i transferibles a partir de dades no etiquetades sense necessitat d'anotacions manuals.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- Chen, T., Zhai, X., Ritter, M., Lucic, M., & Houlsby, N. (2019). Self-Supervised GANs via Auxiliary Rotation Loss. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12154–12163. link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2021). Self-supervised learning: Generative or contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/ca/deep-learning/self-supervised-gan
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Generative Adversarial NetworkAprenentatge profund↔ compara
- Xarxa Convolucional Neuronal d'Auto-SupervisióAprenentatge profund↔ compara
- Autoencoder Variacional Auto-supervisatAprenentatge profund↔ compara
- GAN semi-supervisadaAprenentatge profund↔ compara
- Vision TransformerAprenentatge profund↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →