GAN a Trasferimento di Apprendimento
La GAN a Trasferimento di Apprendimento inizializza una Rete Generativa Avversaria — o sia il suo generatore che il suo discriminatore — da pesi pre-addestrati su un ampio dataset sorgente, quindi affina la rete su un dataset target più piccolo. Questo approccio consente la modellazione generativa di alta qualità anche quando i dati del dominio target sono scarsi, riutilizzando rappresentazioni di caratteristiche di basso e medio livello apprese su larga scala.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/it/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.
- GAN Adattiva al DominioApprendimento profondo↔ compare
- Generative Adversarial Network (GAN) Fine-TunedApprendimento profondo↔ compare
- Rete Generativa AvversariaApprendimento profondo↔ compare
- Transfer Learning con Convolutional Neural NetworkApprendimento profondo↔ compare
- Apprendimento per trasferimento con modello a diffusioneApprendimento profondo↔ compare
- Variational AutoencoderApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →