Transfer Learning GAN
Transfer Learning GAN inicialitza una xarxa generativa antagònica —o tant el seu generador com el seu discriminador— a partir de pesos pre-entrenats en un gran conjunt de dades font, i posteriorment ajusta finament la xarxa en un conjunt de dades objectiu més petit. Aquest enfocament permet un modelatge generatiu d'alta qualitat fins i tot quan les dades del domini objectiu són escasses, reutilitzant representacions de característiques de baix i mig nivell apreses a gran escala.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A. & Bengio, Y. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems (NeurIPS), 27, 2672–2680. link ↗
- Wang, Y. & Ramanan, D. (2018). Transferring GANs: generating images from limited data. European Conference on Computer Vision (ECCV), 11205, 220–236. DOI: 10.1007/978-3-030-01231-1_14 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/ca/deep-learning/transfer-learning-gan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- GAN adaptativa al dominiAprenentatge profund↔ compare
- Xarxa Generativa Antagònica Finament AjustadaAprenentatge profund↔ compare
- Generative Adversarial NetworkAprenentatge profund↔ compare
- Aprenentatge per transferència amb xarxa neuronal convolucionalAprenentatge profund↔ compare
- Aprenentatge per transferència amb models de difusióAprenentatge profund↔ compare
- Variational AutoencoderAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →