Transfer Learning GAN
Transfer Learning GAN initialiseert een Generative Adversarial Network — ofwel de generator en de discriminator — vanuit gewichten die vooraf getraind zijn op een grote bron-dataset, en past vervolgens het netwerk aan op een kleinere doel-dataset. Deze aanpak maakt hoogwaardige generatieve modellering mogelijk, zelfs wanneer data uit het doel-domein schaars zijn, door laag- en middenniveau-kenmerkrepresentaties die op schaal geleerd zijn, te hergebruiken.
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, 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/nl/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.
- Domein-Adaptieve GANDeep learning↔ compare
- Fijn-afgestemd Generatief Adversarieel NetwerkDeep learning↔ compare
- Generatief Adversarieel NetwerkDeep learning↔ compare
- Transfer Learning met Convolutional Neural NetworkDeep learning↔ compare
- Transfer Learning met DiffusiemodellenDeep learning↔ compare
- Variational AutoencoderDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →