Transfer Learning GAN
Transfer Learning GAN inicjuje Generatywną Sieć Adwersaryjną — lub zarówno jej generator, jak i dyskryminator — z wag wstępnie wytrenowanych na dużym zbiorze danych źródłowych, a następnie dostraja sieć na mniejszym zbiorze danych docelowych. Takie podejście umożliwia wysokiej jakości modelowanie generatywne nawet wtedy, gdy dane z domeny docelowej są rzadkie, poprzez ponowne wykorzystanie niskopoziomowych i średniopoziomowych reprezentacji cech nauczonych na dużą skalę.
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, 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Transfer Learning with Generative Adversarial Networks. ScholarGate. https://scholargate.app/pl/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.
- Adaptacyjna GAN domenowaUczenie głębokie↔ compare
- Dostrojona generatywna sieć przeciwstawnaUczenie głębokie↔ compare
- Generatywna Sieć AntagonistycznaUczenie głębokie↔ compare
- Uczenie transferowe z konwolucyjną siecią neuronowąUczenie głębokie↔ compare
- Transfer Learning z modelami dyfuzyjnymiUczenie głębokie↔ compare
- Autoenkoder wariacyjnyUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →