Dostrojona generatywna sieć przeciwstawna
Dostrojona GAN rozpoczyna od dużej, wstępnie wytrenowanej generatywnej sieci przeciwstawnej i kontynuuje trening przeciwstawny na mniejszym zbiorze danych docelowych, co pozwala modelowi na generowanie wysokiej jakości próbek w nowej dziedzinie bez konieczności trenowania od zera. To podejście transferowe znacząco redukuje wymagania dotyczące danych i mocy obliczeniowej, jednocześnie zachowując bogate reprezentacje cech nauczone podczas wstępnego trenowania.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/pl/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.
- Dostrojona konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Dostrojony model dyfuzyjnyUczenie głębokie↔ compare
- Dostrojony wariacyjny autoenkoderUczenie głębokie↔ compare
- Dostrojony Vision TransformerUczenie głębokie↔ compare
- Generatywna Sieć AntagonistycznaUczenie głębokie↔ compare
- Transfer Learning GANUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →