Zelfgesuperviseerde GAN
Zelfgesuperviseerde GAN breidt een standaard Generative Adversarial Network uit met één of meer zelfgesuperviseerde hulptaken — zoals het voorspellen van beeldrotatie of patchpositie — die de adversariële training stabiliseren en een discriminator opleveren die rijke, overdraagbare representaties leert uit ongelabelde data zonder handmatige annotaties te vereisen.
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
- Chen, T., Zhai, X., Ritter, M., Lucic, M., & Houlsby, N. (2019). Self-Supervised GANs via Auxiliary Rotation Loss. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12154–12163. link ↗
- Liu, X., Zhang, F., Hou, Z., Mian, L., Wang, Z., Zhang, J., & Tang, J. (2021). Self-supervised learning: Generative or contrastive. IEEE Transactions on Knowledge and Data Engineering, 35(1), 857–876. DOI: 10.1109/TKDE.2021.3090866 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Self-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/nl/deep-learning/self-supervised-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.
- Generatief Adversarieel NetwerkDeep learning↔ compare
- Zelf-gesuperviseerd convolutie neuraal netwerkDeep learning↔ compare
- Zelf-gesuperviseerde Variational AutoencoderDeep learning↔ compare
- Semi-supervised GANDeep learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →