ScholarGate
Pembantu
Machine learningDeep learning / NLP / CV

Jaringan Lawan Janaan yang Ditalar Halus

GAN yang Ditalar Halus bermula daripada jaringan lawan janaan pra-latih yang besar dan meneruskan latihan lawan pada set data sasaran yang lebih kecil, membolehkan model mensintesis sampel berkualiti tinggi dalam domain baharu tanpa latihan dari mula. Pendekatan pemindahan ini secara dramatik mengurangkan keperluan data dan pengkomputeran sambil mengekalkan perwakilan ciri kaya yang dipelajari semasa pra-latihan.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiMuat turun slaid

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Peta kaedah

Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.

Sumber

  1. 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. link
  2. Mo, S., Cho, M., & Shin, J. (2020). Freeze the Discriminator: a Simple Baseline for Fine-Tuning GANs. CVPR 2020 Workshop on AI for Content Creation. link

Cara memetik halaman ini

ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-generative-adversarial-network

Kaedah yang mana?

Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.

Bandingkan secara bersebelahan

Dirujuk oleh

ScholarGateFine-Tuned Generative Adversarial Network (Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/deep-learning/fine-tuned-generative-adversarial-network · Set data: https://doi.org/10.5281/zenodo.20539026