Hienosäädetty generoiva kilpaileva verkko
Hienosäädetty generoiva kilpaileva verkko (GAN) alkaa suuresta esikoulutetusta generoivasta kilpailevasta verkosta ja jatkaa kilpailevaa koulutusta pienemmällä kohdeaineistolla, mikä mahdollistaa mallin syntetisoida korkealaatuisia näytteitä uudella alueella ilman koulutusta alusta alkaen. Tämä siirtomenetelmä vähentää dramaattisesti data- ja laskentavaatimuksia säilyttäen samalla esikoulutuksen aikana opitut rikkaat piirre-esitykset.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
- Mo, S., Cho, M., & Shin, J. (2020). Freeze the Discriminator: a Simple Baseline for Fine-Tuning GANs. CVPR 2020 Workshop on AI for Content Creation. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/fi/deep-learning/fine-tuned-generative-adversarial-network
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Hienosäädetty konvoluutioneuroverkkoSyväoppiminen↔ vertaa
- Hienosäädetty diffuusiomalliSyväoppiminen↔ vertaa
- Hienosäädetty variaatioautokooderiSyväoppiminen↔ vertaa
- Hienosäädetty Vision TransformerSyväoppiminen↔ vertaa
- Generatiivinen kilpaileva verkkoSyväoppiminen↔ vertaa
- Siirtopiirto-GANSyväoppiminen↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →