GAN Adattiva al Dominio
Una GAN Adattiva al Dominio combina l'apprendimento generativo avversariale con l'adattamento del dominio per colmare il divario di distribuzione tra un dominio sorgente etichettato e un dominio target non etichettato o scarsamente etichettato. Addestrando un generatore e un discriminatore in modo avversariale, il modello apprende rappresentazioni invarianti al dominio o campioni tradotti, consentendo a un classificatore o rilevatore addestrato sui dati sorgente di generalizzare efficacemente al dominio target senza richiedere abbondanti etichette target.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Domain-Adaptive Generative Adversarial Network. ScholarGate. https://scholargate.app/it/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.
- Rete Neurale Convoluzionale Adattiva al DominioApprendimento profondo↔ compare
- Vision Transformer Adattivo al DominioApprendimento profondo↔ compare
- Generative Adversarial Network (GAN) Fine-TunedApprendimento profondo↔ compare
- Rete Generativa AvversariaApprendimento profondo↔ compare
- GAN semi-supervisionatoApprendimento profondo↔ compare
- GAN a Trasferimento di ApprendimentoApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →