Adaptīvs domēna GAN
Adaptīvs domēna GAN (Generative Adversarial Network) apvieno ģeneratīvo pretinieku apmācību ar domēna adaptāciju, lai pārvarētu sadalījuma atšķirības starp avota domēnu ar etiķetēm un mērķa domēnu bez etiķetēm vai ar ierobežotām etiķetēm. Apmācot ģeneratoru un diskriminatoru pretinieku režīmā, modelis apgūst domēniem invariantas reprezentācijas vai pārtulkotus paraugus, ļaujot klasifikatoram vai detektoram, kas apmācīts uz avota datiem, efektīvi vispārināties uz mērķa domēnu, neprasot daudz mērķa etiķešu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-Adaptive Generative Adversarial Network. ScholarGate. https://scholargate.app/lv/deep-learning/domain-adaptive-gan
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Konvolūciju neironu tīkls ar adaptāciju domēnaiDziļā mācīšanās↔ salīdzināt
- Domain-Adaptive Vision TransformerDziļā mācīšanās↔ salīdzināt
- Pielāgotā ģeneratīvā pretestības tīklsDziļā mācīšanās↔ salīdzināt
- Generatīvais Adversariālais TīklsDziļā mācīšanās↔ salīdzināt
- Puss-uzraudzīts GANDziļā mācīšanās↔ salīdzināt
- Pārneses mācīšanās GANDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →