Fijn-afgestemd Generatief Adversarieel Netwerk
Een fijn-afgestemd GAN begint met een groot vooraf getraind generatief adversarieel netwerk en vervolgt de adversariële training op een kleinere doel dataset, waardoor het model hoogwaardige samples kan synthetiseren in een nieuw domein zonder vanaf nul te trainen. Deze transferaanpak vermindert drastisch de data- en rekenvereisten, terwijl de rijke kenmerkrepresentaties die tijdens de voor-training zijn geleerd, behouden blijven.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/nl/deep-learning/fine-tuned-generative-adversarial-network
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.
- Fijn-afgestelde Convolutionele Neurale NetwerkenDeep learning↔ compare
- Fijngestemd diffusiemodelDeep learning↔ compare
- Fijn-afgestelde Variational AutoencoderDeep learning↔ compare
- Fijn-afgestelde Vision TransformerDeep learning↔ compare
- Generatief Adversarieel NetwerkDeep learning↔ compare
- Transfer Learning GANDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →