Domene-adaptiv GAN
En domene-adaptiv GAN kombinerer generativt motstridende læring med domeneadaptasjon for å bygge bro over distribusjonsgapet mellom et merket kildedomen og et umerket eller sparsomt merket måldomen. Ved å trene en generator og en diskriminator motstridende, lærer modellen domene-invariante representasjoner eller oversatte utvalg, noe som gjør at en klassifikator eller detektor trent på kildedata kan generalisere effektivt til måldomenet uten å kreve rikelig med måletiketter.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-Adaptive Generative Adversarial Network. ScholarGate. https://scholargate.app/no/deep-learning/domain-adaptive-gan
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Domene-adaptiv konvolusjonelt nevralt nettverkDyp læring↔ sammenlign
- Domene-adaptiv Vision TransformerDyp læring↔ sammenlign
- Finjustert generativt antagonistisk nettverkDyp læring↔ sammenlign
- Generativt motsetningsnettverkDyp læring↔ sammenlign
- Semi-supervised GANDyp læring↔ sammenlign
- Transfer Learning GANDyp læring↔ sammenlign
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →