Schwach überwachter GAN
Ein schwach überwachter GAN ist ein generatives gegnerisches Netzwerk, das mit teilweise gelabelten, verrauschten oder grob annotierten Daten anstelle vollständig annotierter Ground-Truth-Daten trainiert wird. Es erweitert das Standard-GAN-Framework, sodass eine begrenzte Überwachung die bedingte Generierung oder das diskriminative Lernen steuert und so die Synthese von qualitativ hochwertigen Daten und Klassifizierung in Label-knappen Umgebungen ermöglicht.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Odena, A., Olah, C., & Shlens, J. (2017). Conditional Image Synthesis with Auxiliary Classifier GANs. Proceedings of the 34th International Conference on Machine Learning (ICML), PMLR 70, 2642–2651. link ↗
- 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. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weakly Supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/de/deep-learning/weakly-supervised-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.
- Diffusion ModelDeep Learning↔ compare
- Generative Adversarial NetworkDeep Learning↔ compare
- Semi-supervised GANDeep Learning↔ compare
- Variationaler AutoencoderDeep Learning↔ compare
- Schwache überwachungsbasierte BildklassifikationDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →