Selv-supervisert GAN
Self-supervised GAN utvider et standard Generative Adversarial Network med én eller flere selv-superviserte hjelpeoppgaver — som å forutsi bilde rotasjon eller patch-posisjon — som stabiliserer adversariell trening og gir en diskriminator som lærer rike, overførbare representasjoner fra umerkede data uten behov for manuelle annotasjoner.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Generative Adversarial Network. ScholarGate. https://scholargate.app/no/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.
- Generativt motsetningsnettverkDyp læring↔ compare
- Selv-overvåket konvolusjonelt nevralt nettverkDyp læring↔ compare
- Selv-overvåket Variasjonell AutoenkoderDyp læring↔ compare
- Semi-supervised GANDyp læring↔ compare
- Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →