Machine learningDeep learning / NLP / CV
転移学習GAN
転移学習GANは、大規模なソースデータセットで事前学習された重みから生成敵対ネットワーク（GAN）――あるいはその生成器と識別器の両方――を初期化し、その後、小規模なターゲットデータセットでネットワークをファインチューニングする手法である。このアプローチは、ターゲットドメインのデータが乏しい場合でも、大規模に学習された低レベルおよび中レベルの特徴表現を再利用することで、高品質な生成モデリングを可能にする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/ja/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.
- ドメイン適応型GAN深層学習↔ compare
- ファインチューニングされた敵対的生成ネットワーク深層学習↔ compare
- Generative Adversarial Network深層学習↔ compare
- 畳み込みニューラルネットワークを用いた転移学習深層学習↔ compare
- 拡散モデルを用いた転移学習深層学習↔ compare
- Variational Autoencoder深層学習↔ compare