Transfer Learning GAN
A Transfer Learning GAN (átvitt tanulásos GAN) egy generatív adverszárius hálózatot — vagy annak generátorát és diszkriminátorát is — egy nagy forrásadat-halmazon előképzett súlyokkal inicializál, majd finomhangolja a hálózatot egy kisebb céladat-halmazon. Ez az eljárás lehetővé teszi a kiváló minőségű generatív modellezést akkor is, ha a célterületi adatok szűkösek, azáltal, hogy újrahasznosítja a nagy skálán tanult alacsony és közepes szintű vonásreprezentációkat.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/hu/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.
- Domain-Adaptív GANMélytanulás↔ compare
- Finomhangolt generatív adverszáriális hálózatMélytanulás↔ compare
- Generative Adversarial NetworkMélytanulás↔ compare
- Transzfer tanulás konvolúciós neurális hálóvalMélytanulás↔ compare
- Transzfer tanulás diffúziós modellelMélytanulás↔ compare
- Variációs AutoencoderMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →