GAN Adaptif Domain
GAN Adaptif Domain menggabungkan pembelajaran generatif adversarial dengan adaptasi domain untuk menjembatani kesenjangan distribusi antara domain sumber berlabel dan domain target yang tidak berlabel atau berlabel jarang. Dengan melatih generator dan diskriminator secara adversarial, model mempelajari representasi yang invarian terhadap domain atau sampel yang diterjemahkan, memungkinkan pengklasifikasi atau detektor yang dilatih pada data sumber untuk menggeneralisasi secara efektif ke domain target tanpa memerlukan label target yang melimpah.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Ganin, Y., Ustunova, E., Ajakan, H., Germain, P., Larochelle, H., Laviolette, F., Marchand, M., & Lempitsky, V. (2016). Domain-adversarial training of neural networks. Journal of Machine Learning Research, 17(59), 1–35. link ↗
- Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2223–2232. DOI: 10.1109/ICCV.2017.244 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Generative Adversarial Network. ScholarGate. https://scholargate.app/id/deep-learning/domain-adaptive-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.
- Jaringan Saraf Konvolusional Adaptif DomainPembelajaran Mendalam↔ compare
- Vision Transformer Adaptif DomainPembelajaran Mendalam↔ compare
- Jaringan Adverarial Generatif yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- GAN Semi-terawasiPembelajaran Mendalam↔ compare
- GAN Pembelajaran TransferPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →